Oracle Cloud Infrastructure - Dokumentation

Zeitbasierte Anomalieerkennung

Der Anomalieerkennungsoperator ist ein Low-Code-Tool zur Integration der Anomalieerkennung in jede Unternehmensanwendung.

Es verwendet eine konstruktive Zeitreihenanomalieerkennung, um anomale Momente in den Daten, nach Zeit und nach ID zu kennzeichnen.

Weitere Informationen finden Sie im Abschnitt "Anomalieerkennung" der ADS-Dokumentation.

Input-Daten

Der Anomalieerkennungsoperator akzeptiert ein Dataset mit:
  • Eine Datums-/Zeitspalte.
  • Eine Zielspalte.
  • (Optional) Eine oder mehrere Serienspalten, sodass das Ziel nach Datum/Uhrzeit und Serie indexiert wird.
  • (Optional) Eine beliebige Anzahl zusätzlicher Variablen.

Neben diesen Eingabedaten können Sie gegebenenfalls Validierungsdaten angeben. Validierungsdaten müssen alle Spalten der Eingabedaten sowie eine Binärspalte mit dem Titel anomaly enthalten. Die Spalte anomaly muss einen Wert von minus 1 für anomale Zeilen und 1 für normale Zeilen aufweisen.

Geben Sie schließlich test_data an, um Testmetriken zu erhalten und die Performance des Operators einfacher auszuwerten. Testdaten müssen nach Datum und (optional) Serie indexiert werden. Testdaten müssen den Wert minus 1 für anomale Zeilen und 1 für normale Zeilen aufweisen.

Ein Anomalieerkennungsjob kann mit folgendem YAML konfiguriert werden:
kind: operator
type: anomaly
version: v1
spec:
    datetime_column:
        name: ds
    input_data:
        url: https://raw.githubusercontent.com/facebook/prophet/main/examples/example_yosemite_temps.csv
    model: autots
    target_column: y
Führen Sie den Operator mit folgendem Befehl aus:
ads operator run -f anomaly.yaml

Mulitvariate-Anomalieerkennung

Wenn Sie zusätzliche Variablen haben, von denen Sie glauben, dass sie damit zusammenhängen könnten, verwenden Sie die multivariate Anomalieerkennung. Alle in den Eingabedaten angegebenen zusätzlichen Spalten werden verwendet, um zu ermitteln, ob die Zielspalte anomal ist.

Autom. Modellauswahl

Operatoren Benutzer müssen nichts über die zugrunde liegenden Modelle wissen, um sie zu verwenden. Standardmäßig wird das Modell auf auto gesetzt. Wenn Sie jedoch mehr Kontrolle über die Modellierungsparameter haben möchten, setzen Sie den Modellparameter auf autots oder automlx, und übergeben Sie die Parameter direkt an model_kwargs.