アルゴリズム

異常値

関数	説明	例
`anomalies()`	過去から予測される系列の挙動を示す灰色の帯をメトリクスに重ねて表示します。	`anomalies(<METRIC_NAME>{*}, '<ALGORITHM>', <BOUNDS>)`

anomalies() 関数は 2 つのパラメーターを持ちます。

ALGORITHM: 異常値を検出するために使用される手法。
BOUNDS: 灰色の帯の幅。bounds は、使用するアルゴリズムに対する標準偏差と解釈できます。この値を 2 ～ 3 にすると、大半の「正常」なポイントがこの幅に収まります。

注: Agile または Robust 異常検知アルゴリズムを Weekly または Daily 季節性と共に使用する場合は、API と UI の両方でローカルタイムゾーンを考慮するように異常検知モニターを更新できます。

次は 2 分間の説明ビデオです。

季節性: デフォルトでは、robust と agile アルゴリズムは週ごとの季節性を使用します。これは、ベースラインを計算するために 3 週間の履歴データを必要とします。

詳細については、異常値モニターのページを参照してください。

関数	説明	例
`outliers()`	外れ値系列をハイライトします。	`outliers(<METRIC_NAME>{*}, '<ALGORITHM>', <TOLERANCE>, <PERCENTAGE>)`

outliers() 関数は 3 つのパラメーターを持ちます。

詳細については、外れ値モニターのページを参照してください。

関数	説明	例
`forecast()`	メトリクスが今後どこに向かうかを予測します。	`forecast(<METRIC_NAME>{*}, '<ALGORITHM>', <DEVIATIONS>)`

forecast() 関数は 2 つのパラメーターを持ちます。

ALGORITHM: 使用する予測アルゴリズム。linear または seasonal を選択します。これらのアルゴリズムの詳細については、予測値アルゴリズムのセクションを参照してください。
DEVIATIONS: 予測値の範囲の幅。この値を 1 ～ 2 にすると、大半の「正常」ポイントを正確に予測できます。