소개

ElasticStack에 접하기 시작해 약 3개월의 초보자입니다만, 슬슬 지식도 모여 왔기 때문에 조금씩 아웃풋 해 보고 싶습니다.
첫 번째 단계로 Advent Calendar 3 일째 기사를 작성하겠습니다!

환경

이 기사에서는 CentOS 6.8에서 ElasticStack 6.4.0을 실행합니다.

Model Bounds는 뭐야?

Model Bounds란, 기계 학습의 작업이 데이터의 행동을 학습한 결과, 「정상적인 상태이면 이 범위내를 추이하는 행동을 할 것이다!」라고 판정된 범위를 가리킵니다( 아래 이미지 1 안의 얇은 파란색 띠).
이 Model Bounds로부터 실제의 값이 괴리하면 할수록 「이상한 값」이라고 판정되게 됩니다.


이 Model Bounds가 보이면 학습 모델이 데이터의 행동을 어떻게 파악하고 있는지를 시각적으로 알기 쉽네요.

하지만 기본적으로 숨기기

이런 편리한 Model Bounds이지만 Multi Metric 작업을 만들 때 분명히 기본적으로 표시되지 않습니다.
보통 기계 학습 작업을 만들면 다음과 같이 学習データの推移 가 보일 뿐입니다.

해결책

Model Bounds를 보려면 기계 학습 작업을 만들 때 JSON을 직접 편집하면 됩니다.
analysis_config 다음에 다음 설정을 추가하십시오.

  "model_plot_config": {
    "enabled" : true
  },

다시 학습시키면 아래와 같이 Model Bounds(얇은 청색 띠)가 표시되었습니다!

주의점

"EditJson"은 Advanced wizard로 전환하지 않으면 표시되지 않습니다. 만약 Single Metric wizard 이나 Multi Metric wizard

한 번 작성한 작업 자체를 나중에 json을 만질 수 없습니다. 기존 작업을 clone한 다음 json을 만져야 합니다.

학습 데이터의 카디널리티 2 가 높으면 원래 "Model Bounds 표시하면 큰 일이 될거야?"
아무래도 Model Bounds의 서버 리소스를 많이 먹어 버리기 때문에, 시스템적으로 캡이 걸려 있는 것 같습니다.
시도한 느낌, 카디널리티가 100 이하라면 설득하지 않고 설정할 수 있었습니다.

요약

기계 학습에 있어서의 학습 모델은 아무래도 블랙 박스인 느낌이 되어 버리므로, 그것이 Model Bounds로 가시화할 수 있는 것은 매우 알기 쉽네요.
제약도 있습니다만, 사용할 수 있는 경우는 적극적으로 사용해 가는 것이 좋다고 생각합니다.

그렇다면 다음은 whale_shark씨의 「Beats 시리즈에 기여하려면」이 됩니다. 기대하세요!



elastic 공식에서 인용. htps //w w. 에 s c. 코 / jp / p 로즈 cts / s ck / 마치 네 - rrn g  ↩

카디널리티는 무엇입니까? 라고 생각하시는 분은 이하의 기사를 알기 쉽다고 생각합니다. htps : // 코 m / 소 얀추 / ms / 034 19 A2 3cb87b2 e fb  ↩