알고리즘

이상

함수	설명	예시
`anomalies()`	과거를 기반으로 한 시리즈의 예상 동작을 보여주는 메트릭에 회색 밴드를 오버레이합니다.	`anomalies(<METRIC_NAME>{*}, '<ALGORITHM>', <BOUNDS>)`

anomalies() 함수는 다음 두 가지 파라미터를 갖습니다.

ALGORITHM: 이상을 감지하는 데 사용되는 방법입니다.
BOUNDS: 회색 밴드의 너비입니다. bounds은(는) 알고리즘의 표준 편차로 해석될 수 있습니다. 2 또는 3의 값은 대부분의 “정상” 지점을 포함할 만큼 충분히 커야 합니다.

참고: 주간 또는 일일 계절성이 있는 민첩하거나 강력한 이상 감지 알고리즘을 사용하는 경우 API와 UI를 모두 사용하여 현지 시간대를 고려하도록 이상 감지 모니터를 업데이트할 수 있습니다.

다음은 2분 분량의 동영상 안내입니다.

계절성: 기본적으로 robust 및 agile 알고리즘은 주간 계절성을 사용합니다. 이를 위해서는 기준선을 계산하기 위해 3주간의 기록 데이터가 필요합니다.

자세한 내용은 Anomaly Monitor 페이지를 참조하세요.

함수	설명	예시
`outliers()`	아웃라이어 시리즈를 강조 표시합니다.	`outliers(<METRIC_NAME>{*}, '<ALGORITHM>', <TOLERANCE>, <PERCENTAGE>)`

outliers() 함수는 다음 세 가지 파라미터를 갖습니다.

ALGORITHM: 사용할 아웃라이어 알고리즘입니다.
TOLERANCE: 아웃라이어 알고리즘의 톨러레이션입니다.
PERCENTAGE: 시리즈를 아웃라이어로 표시하는 데 필요한 아웃라잉 포인트의 백분율입니다(MAD 및 scaledMAD 알고리즘에만 사용 가능).

자세한 내용은 Outlier Monitor 페이지를 참조하세요.

함수	설명	예시
`forecast()`	메트릭이 미래에 어디로 향할지 예측합니다.	`forecast(<METRIC_NAME>{*}, '<ALGORITHM>', <DEVIATIONS>)`

forecast() 함수는 다음 두 가지 파라미터를 갖습니다.

ALGORITHM: 사용할 예측 알고리즘으로, linear 또는 seasonal을(를) 선택해야 합니다. 이러한 알고리즘에 대한 자세한 내용은 예측 알고리즘 섹션을 참조하세요.
DEVIATIONS: 예측 값 범위의 너비입니다. 1 또는 2의 값은 대부분의 “정상” 포인트를 정확하게 예측할 수 있을 만큼 충분히 커야 합니다.