更新时间:2021-09-18 GMT+08:00
分享

模型选择

目前,学件已经集成了几十维到上百维不同种类的特征库,源于历史各类Case和通用KPI异常检测的算法库。通过数据的特征画像,可以实现自动化的特征推荐和算法推荐。

  1. 单击“特征画像”左下方的“模型选择”。

    新增“模型选择”内容,如图1所示。

    图1 模型选择

  2. 单击“模型选择”代码框左侧的图标,运行代码。

    运行结果如下所示:
    • 特征推荐:学件推荐的特征,除了一些通用的特征(最值、均值等),还有一部分是专门为类似KPI做的异常检测效果比较好的特征。通常采用滑窗的方式做异常检测。目前所有窗口的长度,是根据数据的周期性、样本数、周期的个数等数据特点推荐的。窗口的长度均可以修改,如果用户对算法比较了解,对当前KPI比较熟悉,可以修改为用户认为更合适的值。
    • 模型推荐:前面选择的数据是有标签的数据,推荐算法xgboost是有监督的算法。模型推荐里面增加了超参搜索的功能,有给出参数取值的推荐区间。用户也可以根据实际情况修改。

      如果推荐的是无监督的异常检测算法,可能会同时推荐几个算法。那模型训练的时候,针对不同的算法,会分别进行模型训练,得到不同的模型,通过集成学习投票法策略,推荐得到更符合且更准确的异常检测模型。

分享:

    相关文档

    相关产品

close