我非常深刻的印象，从新的x-pack ML的弹性堆栈。他们的技术似乎可以随着时间的推移学习数据模式，并可以预测多个领域的异常情况。x1c 0d1x的数据放大：
我想知道可以使用什么方法和网络拓扑来创建类似的功能。既然x-pack适用于时间序列数据，那么RNN是一个好的开始，这是否公平？对您的意见和参考感兴趣。
cbwuti441#
据我所知，如果他们使用神经网络，我会感到惊讶。他们是这样检测异常的通过建立“典型”用户或机器的配置文件来检测群体中的离群值，以了解何时开始偏离群体。进行这样的异常检测只需要对观察到的行为是否在预期行为的2-3个标准差内进行统计测试。如果你出于某种原因想使用神经网络，你可以使用CNN、RNN或注意力网络。Google recently showed that you don't need RNNs or CNNs to do state-of-the-art translation的数据。
6ovsh4lw2#
我一直在看他们的异常点探测我不是数学专业的，但结果让我起了鸡皮疙瘩。（如果它能给我发警报就好了！参见：Do Elastic Anomaly Detection Rules Actually Work?）我很确定他们没有使用神经网络。根据我所读到的，这是机器学习的一个子集。
2条答案
按热度按时间cbwuti441#
据我所知，如果他们使用神经网络，我会感到惊讶。他们是这样检测异常的
通过建立“典型”用户或机器的配置文件来检测群体中的离群值，以了解何时开始偏离群体。
进行这样的异常检测只需要对观察到的行为是否在预期行为的2-3个标准差内进行统计测试。
如果你出于某种原因想使用神经网络，你可以使用CNN、RNN或注意力网络。Google recently showed that you don't need RNNs or CNNs to do state-of-the-art translation的数据。
6ovsh4lw2#
我一直在看他们的异常点探测我不是数学专业的，但结果让我起了鸡皮疙瘩。（如果它能给我发警报就好了！参见：Do Elastic Anomaly Detection Rules Actually Work?）
我很确定他们没有使用神经网络。根据我所读到的，这是机器学习的一个子集。