智能日志管理平台

  • 异常检测与预测简介

    最近更新时间:2018-07-09 18:38:06

    智能异常检测与预测 是通过机器学习算法、深度学习算法,对历史时序数据自学习、自动为用户选择最优算法进行异常检测、预测与告警的分析产品,用户通过使用异常检测与预测得到的分析结果来指导自身的业务。

    机器学习

    智能异常检测与预测主要应用的场景有:

    • IT 运维场景

      1. 通过流量异常检测进行系统安全分析,如 DNS/HTTP 数据泄露检测、可疑登陆检测等。

      2. 通过流量异常检测监控服务质量,如监控 nginx 服务响应变化发现服务问题。

      3. 通过流量异常检测监控机房运转情况,如监控 cpu 等指标探测系统问题。

    • 医学场景:患者的异常身体指标检测,及时跟进患者身体状况。

    • 营销场景:识别异常的购物车增加或减少行为,帮助衡量网站的转化情况。
    • 金融类场景:股票走势预测。
    • 其他:天气预测、比赛结果预测。

    产品功能

    • 对指定分析指标进行历史异常值的检测

    通过配置分析指标,对指标进行历史异常值的检测,并给出每个异常点的详细信息。异常值包括突变的数据、超出波动范围的数据、周期波动的数据等,通过研究这些异常数据,及时发现业务请求数、拒绝数、响应时间、流水和订单等数据的异常波动,保证业务的稳定性。

    • 对指定分析指标进行未来时间范围内的预测

    配置分析指标,系统通过对历史时序数据的学习对未来的数据走势做出预测。如对网约车出行流量预测、股价走势预测、客户流失率预测等。用户可根据预测结果及时调整策略,做到有备无患。

    产品优势

    智能异常检测与预测的主要优势如下:

    友好的操作方式

    通过对底层的算法进行封装,提供可视化的操作环境,用户通过页面可视化配置任务指标即可创建异常检测任务,无需编程语言,降低了用户的学习成本,让数据挖掘变成一件简单的事情。

    自动选择最优算法

    系统自动为用户选择的指标选择最优算法分析,用户无需任何算法相关知识即可完成异常检测与预测,得到分析结果,极大地降低了使用门槛。

    优质的机器学习算法

    提供诸如聚类、回归、神经网络等机器学习及深度学习算法,进行精准的异常检测与预测,准确度比传统机器学习算法高出很多。

    与智能日志管理平台完美融合

    机器学习直接基于 Pandora 智能日志管理平台存储的数据进行建模分析,无需复杂的导入导出。

    产品操作流程

    点击进入智能异常检测与预测入口。通过如下图操作逻辑实现对历史异常值的检测以及指标数据的预测。

    以上内容是否对您有帮助?
  • Close