類別

函數(shù)

說明

時間序列

平滑函數(shù)

ts_smooth_simple

使用Holt Winters算法對時序數(shù)據(jù)平滑。

ts_smooth_fir

使用FIR濾波器對時序數(shù)據(jù)平滑。

ts_smooth_iir

使用IIR濾波器對時序數(shù)據(jù)平滑。

多周期估計函數(shù)

ts_period_detect

對時序數(shù)據(jù)進行分段周期估計。

變點檢測函數(shù)

ts_cp_detect

尋找時序序列中具有不同統(tǒng)計特性的區(qū)間，區(qū)間端點即為變點。

ts_breakout_detect

尋找時序序列中，某統(tǒng)計量發(fā)生陡升或陡降的點。

極大值檢測函數(shù)

ts_find_peaks

極大值檢測函數(shù)用于在指定窗口中尋找序列的局部極大值。

預(yù)測與異常檢測函數(shù)

ts_predicate_simple

利用默認參數(shù)對時序數(shù)據(jù)進行建模，并進行簡單的時序預(yù)測和異常點的檢測。

ts_predicate_ar

使用自回歸模型對時序數(shù)據(jù)進行建模，并進行簡單的時序預(yù)測和異常點的檢測。

ts_predicate_arma

使用移動自回歸模型對時序數(shù)據(jù)進行建模，并進行簡單的時序預(yù)測和異常點檢測。

ts_predicate_arima

使用帶有差分的移動自回歸模型對時序數(shù)據(jù)進行建模，并進行簡單的時序預(yù)測和異常點檢測。

ts_regression_predict

針對含有周期性、趨勢性的單時序序列，進行準(zhǔn)確且長時序預(yù)測。

序列分解函數(shù)

ts_decompose

使用STL算法對時序數(shù)據(jù)進行序列分解。

時序聚類函數(shù)

ts_density_cluster

使用密度聚類方法對多條時序數(shù)據(jù)進行聚類。

ts_hierarchical_cluster

使用層次聚類方法對多條時序數(shù)據(jù)進行聚類。

ts_similar_instance

查找到指定曲線名稱的相似曲線。

核密度估計函數(shù)

kernel_density_estimation

核密度估計函數(shù)采用平滑的峰值函數(shù)來擬合觀察到的數(shù)據(jù)點，從而對真實的概率分布曲線進行模擬。

時序補點函數(shù)

series_padding

如果時間序列中存在數(shù)據(jù)缺失問題，可以使用時序補點函數(shù)補齊缺失的數(shù)據(jù)。

異常對比函數(shù)

anomaly_compare

用于比較某個觀測對象在兩個時間段的差異程度。

模式挖掘

頻繁模式統(tǒng)計

pattern_stat

統(tǒng)計模式中的頻繁模式，在給定的多屬性字段樣本中，挖掘出具有一定代表性的屬性組合。

差異模式統(tǒng)計

pattern_diff

在指定條件下找出導(dǎo)致兩個集合差異的模式。

根因分析函數(shù)

rca_kpi_search

在時序指標(biāo)發(fā)生異常時，根因分析函數(shù)可以快速分析出是哪些相關(guān)維度屬性發(fā)生異常而導(dǎo)致監(jiān)控指標(biāo)發(fā)生異常。

相關(guān)性分析函數(shù)

ts_association_analysis

針對系統(tǒng)中的多個觀測指標(biāo)，快速找出和某個指標(biāo)項相關(guān)的指標(biāo)名稱。

ts_similar

針對系統(tǒng)中的多個觀測指標(biāo)，快速找出和用戶輸入的時序序列相關(guān)的指標(biāo)名稱。

URL請求分類函數(shù)

url_classify

URL請求分類函數(shù)會自動將您輸入的URL請求路徑進行歸類打標(biāo)簽，并提供類別的正則表達式，幫助您更好地歸類URL。