Real-Time インテリジェンスチュートリアルパート 7: Eventhouse テーブルの異常を検出する

注

このチュートリアルはシリーズの一部です。前のセクションについては、「 Real-Time Intelligence チュートリアルパート 6: Real-Time ダッシュボードを作成する」を参照してください。

異常検出は、データ内の異常なパターンを識別できる Real-Time インテリジェンスの機能です。チュートリアルのこのパートでは、ワークスペースに "Anomaly detector" 項目を作成して、ステーションの空のドックの数の異常を検出する方法について説明します。

Eventhouse テーブルの異常を検出する

左側のナビゲーションバーから [ リアルタイム ] を選択して 、Real-Time ハブを開きます。
[ すべてのデータストリーム ] で、前のチュートリアルで作成した Eventhouse テーブル TransformedData を選択します。テーブルの詳細ページが開きます。上部のメニューから [ 異常の検出 ] を選択します。
名前として「 BikeAnomaliesconfiguration 」と入力します。
[保存先] で [ 検出機能の作成] を選択します。
異常検出項目を作成するワークスペースを選択し、「 BikeAnomalies」と入力します。次に、[ 作成] を選択します。
[ 属性の選択 ] セクションで、次のオプションを選択します。

フィールド価値

監視する値空のドックなし

グループ化 Street

タイムスタンプタイムスタンプ
[Run analysis]\(解析の実行\) を選択します。

Important

通常、分析にはデータサイズに応じて最大 4 分かかり、最大 30 分間実行できます。ページから離れて移動し、分析が完了したらもう一度チェックインできます。

注

モデルの推奨事項と異常検出の精度を向上させるために、Eventhouse テーブルに十分な履歴データが含まれていることを確認します。たとえば、1 日に 1 つのデータポイントを持つデータセットには数か月のデータが必要ですが、1 秒あたり 1 つのデータポイントを持つデータセットには数日しか必要ない場合があります。
分析が完了すると、異常と表形式のデータが右側に表示されます。

注

[検出のカスタマイズ] セクションで検出モデルを操作し、[検出結果] ウィンドウの上にあるタイムスタンプを確認します。データが多いほど、異常検出の精度が向上する可能性があります。
保存を選択します。