モデルの作成と実行

Edwin AIはアラートデータのテキスト特徴の中に隠れたパターンを識別し、それらの相関関係を分析して動的に管理します。このデータの相関関係は モデル。モデルを使用すると、ワークフローで管理する実用的な洞察を生成するビジネス シナリオを具体的にターゲットにすることができます。モデル、相関関係、モデルのテストの詳細については、を参照してください。 モデルについて.

前提条件

手順

1. Edwin AIホームページで、 Models。モデルのリストが表示されます。モデル ページの移動については、「 モデルページ.
2. 選択 モデルの作成.
3. 構成ページで、次の詳細を入力します。
   • 名前: モデルの名前を入力します。
   • グループ化: を追加 グループ化、または 0 ～ 1 (0 ～ 100%) の類似性相関値とフィールドを組み合わせた項目をグループ化します。たとえば、 0,8 と CI。相関関係が発生するには、リソース (CI) が少なくとも 80% 類似している必要があります。ドロップダウンから目的のフィールドを選択します。利用可能なオプションはアラート データから取得されます。を参照してください。 フィルターについて。 選択する アイテムを追加 必要に応じて、グループにさらにアイテムを追加します。
   • 式を追加：選択 式を追加 相関関係を絞り込むためのフィルターを追加します (たとえば、Description-Contains-Kubernetes)。
     ご注意： 右側のビューは現在の設定を反映して更新され、結果の相関関係がわかります。
   • タイムアウト：定義する タイムアウト 相関時間枠の期間。デフォルトは 15 分 (900,000 ミリ秒) です。この時間が経過すると、新しく受信したアラートは新しいアラート クラスターと洞察にグループ化されます。
   • 最小クラスター密度：定義する 最小クラスター密度、これは、タイムアウト期間内にクラスターを形成するために必要な受信アラートの数です。デフォルトでは 2 に設定されており、アラート クラスターを形成するには少なくとも XNUMX つの受信アラートが必要であることを意味します。ここでの値は相関のタイプによって異なります。を参照してください。 モデルについて.
   • ストップワード：選択 アイテムを追加 追加する ストップワード メッセージ テキスト文字列の一部を除外し、相関の過剰一致を防ぎます。たとえば、company.com にストップワードを追加してテキストから除外し、一致の偏りを防ぎます。複数追加することもできます ストップワード.
   • 番号を削除：選択 番号を削除 文字列から数字を削除して、テキスト文字列内の文字のみと一致するようにします。
   • 大文字と小文字を区別：選択 大文字と小文字を区別 テキスト文字列内の単語の大文字と小文字を一致させます。
   • トリム: テキスト スプリングの端にある空白を削除するには、[トリム]を選択します。
   • ローカル： をセットする ロケール モデルのために。
4. 選択 送信. 送信されると、モデルはステータスとともに概要に表示されます 準備.
5. の下のドロップダウンを選択します ステータス 〜に変更 Running: モデルの実行を開始します。 
   注意：モデルを削除できませんでした。ただし、変更することもできます ステータス 〜へ アーカイブ モデルの使用をやめる。