すべてのプロダクト
Search
ドキュメントセンター

Simple Log Service:機械学習構文

最終更新日:Mar 15, 2025

Simple Log Service は、さまざまなアルゴリズムと呼び出し方法をサポートする機械学習機能を備えています。分析文と機械学習関数を使用して、1 つ以上のフィールドの経時的な特性を分析できます。トレンドの予測、異常の検出、系列の分解、複数系列のクラスタリングなど、時系列データの課題に対処するために、さまざまな分析アルゴリズムが提供されています。これらのアルゴリズムは標準 SQL 関数と互換性があり、使用を簡素化し、トラブルシューティングの効率を高めます。

特徴

  • 単一時系列データに対するさまざまなスムージング操作。

  • 単一時系列データの予測、異常検出、変化点検出、変曲点検出、および複数期間推定のためのアルゴリズム。

  • 単一時系列データを分析するための分解操作。

  • 複数時系列データのためのさまざまなクラスタリング アルゴリズム。

  • 数値データまたはテキストのシーケンスに基づく複数フィールド パターン マイニング。

制限

  • 時系列データは同じ間隔でサンプリングする必要があります。

  • データには、同じ時点からの複数のサンプルを含めることはできません。

  • 処理能力は、以下に示す最大制限を超えてはなりません。

    項目

    制限

    時系列データ処理の容量

    最大 150,000 個の連続する時点からデータを収集できます。

    データ量が処理能力を超える場合は、データを集計するか、サンプリング量を減らす必要があります。

    密度ベースのクラスタリング アルゴリズムの容量

    最大 5,000 の時系列曲線を同時にクラスタリングでき、各曲線は 1,440 時点に制限されます。

    階層的クラスタリング アルゴリズムの容量

    最大 2,000 の時系列曲線を同時にクラスタリングでき、各曲線は 1,440 時点に制限されます。

機械学習関数

カテゴリ

関数

説明

時系列

スムージング関数

ts_smooth_simple

Holt Winters アルゴリズムを使用して時系列データをスムージングします。

ts_smooth_fir

有限インパルス応答 (FIR) フィルターを使用して時系列データをスムージングします。

ts_smooth_iir

無限インパルス応答 (IIR) フィルターを使用して時系列データをスムージングします。

複数期間推定関数

ts_period_detect

期間ごとに時系列データが推定されます。

変化点検出関数

ts_cp_detect

統計的特徴が異なる間隔を検出し、間隔の終点を変化点として識別します。

ts_breakout_detect

データに劇的な変化が生じた時点を検出します。

最大値検出関数

ts_find_peaks

指定されたウィンドウ内での時系列データの局所的最大値を検出します。

予測および異常検出関数

ts_predicate_simple

デフォルト パラメーターを使用して時系列データをモデル化し、時系列データを予測し、異常を検出します。

ts_predicate_ar

自己回帰 (AR) モデルを使用して時系列データをモデル化し、時系列データを予測し、異常を検出します。

ts_predicate_arma

自己回帰移動平均 (ARMA) モデルを使用して時系列データをモデル化し、時系列データを予測し、異常を検出します。

ts_predicate_arima

自己回帰和分移動平均 (ARIMA) モデルを使用して時系列データをモデル化し、時系列データを予測し、異常を検出します。

ts_regression_predict

単一周期時系列の長期トレンドを予測します。

シーケンス分解関数

ts_decompose

Loess を使用した季節調整とトレンド分解 (STL) アルゴリズムを使用して時系列データを分解します。

時系列クラスタリング関数

ts_density_cluster

密度ベースのクラスタリング方法を使用して複数の時系列をクラスタリングします。

ts_hierarchical_cluster

階層的クラスタリング方法を使用して複数の時系列をクラスタリングします。

ts_similar_instance

指定された時系列曲線に類似した時系列曲線をクエリします。

カーネル密度推定関数

kernel_density_estimation

滑らかなピーク関数を使用して観測されたデータ ポイントをフィッティングし、実際の確率分布曲線をシミュレートします。

時系列パディング関数

series_padding

時系列に欠落しているデータ ポイントを埋め込みます。

異常比較関数

anomaly_compare

2 つの期間における観測対象の差異の程度を比較します。

パターン マイニング

頻出パターン統計関数

pattern_stat

指定された複数属性フィールド サンプルの中から属性の代表的な組み合わせをマイニングして、頻出する統計パターンを取得します。

差分パターン統計関数

pattern_diff

指定された条件下で 2 つのコレクション間の差異の原因となるパターンを識別します。

根本原因分析関数

rca_kpi_search

監視メトリックの異常の原因となるサブディメンション属性を分析します。

相関分析関数

ts_association_analysis

システム内の複数の観測メトリックの中から、指定されたメトリックと相関するメトリックを識別します。

ts_similar

システム内の複数の観測データの中から、指定された時系列データと相関するメトリックを識別します。

リクエスト URL 分類関数

url_classify

リクエスト URL を分類し、タグのパターンを定義する正規表現とともにタグを割り当てます。