Интересная статья, но я не до конца понимаю, как всё это волшебным образом работает.
Прежде всего, для тех, кто не знает, исходный код можно скачать с гитхаба github.com/elastic/ml-cpp.
По этой ссылке можно посмотреть математический аппарат алгоритмов машинного обучения.
Насколько я понял, там описывается Bayesian Learning? Но он должем быть supervised, пользователь сначала помечает какие существующие данные аномальные, а какие нет. Алгоритм потом находит аномалии уже в новых данных. ELK же в статье ищет аномалии без учителя? Вы можете показать библиотеку на питоне, которая делает тоже самое? IsolationForest, SVC, sklearn.naive_bayes?
Потом, вы говорите о прогнозе аномалий на период до 8 недель. Как такое вообще возможно? Time-Series анализ обычно предсказывает только вариативность данных и только на пару шагов вперёд и они не могут так красиво облегать синусоиду. Это должен быть конус как в ARIMA. Вы можете показать пример с другими данными без цикличности?
github.com/deep-man-yy/pepenude
Прежде всего, для тех, кто не знает, исходный код можно скачать с гитхаба github.com/elastic/ml-cpp.
Насколько я понял, там описывается Bayesian Learning? Но он должем быть supervised, пользователь сначала помечает какие существующие данные аномальные, а какие нет. Алгоритм потом находит аномалии уже в новых данных. ELK же в статье ищет аномалии без учителя? Вы можете показать библиотеку на питоне, которая делает тоже самое? IsolationForest, SVC, sklearn.naive_bayes?
Потом, вы говорите о прогнозе аномалий на период до 8 недель. Как такое вообще возможно? Time-Series анализ обычно предсказывает только вариативность данных и только на пару шагов вперёд и они не могут так красиво облегать синусоиду. Это должен быть конус как в ARIMA. Вы можете показать пример с другими данными без цикличности?