机器学习工具箱

通过 Splunk 提供的机器学习和指导式协助获得可操作的分析结果

machine-learning-toolkit

将机器学习应用于您的数据,以获得可操作的分析结果,从而作出更快、更明智的决策。

智能助手系列功能 智能助手系列功能

智能助手系列功能

通过分步指导的工作流程为常见的业务挑战构建和部署模型,加速价值实现时间。

可操作的情报 可操作的情报

可操作的情报

操作您的机器学习:收集并分析数据,反复训练模型,并设置实时警报。

machine-learning machine-learning

加速机器学习用例

开发用于异常值和异常检测、预测性分析和集群的生产模型。

了解 MLTK 可以为您做什么

SPL 和开源库集成

使用机器学习 SPL(搜索处理语言)
命令直接构建、测试并操作有监督和无监督模型。通过通过认证 Splunk 专业服务获得的 Splunk MLTK Container for TensorFlow™ 访问 TensorFlow™ 库。使用任何预先打包的 Python 算法,或导入 300 多种开源算法中任意一种算法。

更快的大数据集性能

利用 Apache Spark™ 直观、轻松地适应大数据集上的机器学习模型,通过某些算法轻松实现更容易的扩展、更高的弹性和更快的计算速度。通过 Splunk MLTK Container for TensorFlow™ 访问 TensorFlow™ 库。

检测数字和分类异常值

轻松识别网站访问的变化并标记异常交易。找出包含异常值组合的峰值和事件。发现与以前的值显著不同的值,并找出包含异常值组合的事件。

时间序列预测

建立适合历史数据并可预测未来数值的模型,进而通过准确的预测改善组织的计划。关注升级硬件需要花费多少成分才能满足需求,开放多少基站信号塔带宽才能适应当地人口增长等。

群集数字事件

使用集群算法对数据进行分区,以找出哪些主机的行为类似,或识别隐藏的模式,如在线购买中未发现的趋势、安全环境中的异常情况和资源使用的峰值。

预测数字和分类字段

围绕对业务至关重要的数字或分类事件(数字或分类)构建预测模型。使用这些预测模型进行规划,或者发现收入、成本、需求、用量、容量等方面的异常情况。
Hyatt Hyatt

客户案例

Hyatt 减少 MTT 并为开发人员提供更多创新时间

凯悦在Splunk Enterprise中使用机器学习来预测我们何时何地应该快速行动或以不同的方式计划,以最好地服务我们的客户...... 我们每天都在通过Splunk使用人工智能,以这种方式更积极主动地服务我们的客户。

Cesar Mendoza, 凯悦酒店战略系统和创新部应用开发经理
产品功能
将机器学习应用于您的数据,以获得可操作的分析结果,从而作出更快、更明智的决策
通过异常检测发现危险信号

通过强化训练,人工智能和机器学习可为您的数据建立基准,还可以检测与过去行为的偏差或可能无法检测到的异常情况。查看 National Ignition Facility 如何在监控全美核储备情况的同时识别异常行为。

machine-learning-toolkit
predictive-analytics

通过预测性分析为未来做准备

基于来自业务交易、IoT 输入、IT 流程和安全操作的实时数据做出高度准确,具有前瞻性的决策。现在可以预测服务运行状况评分、容量和维护需求等。看看宽带提供商 Viasat 如何使用预测性分析为其卫星的正常运行提供保障。

通过集群挖掘数据中隐藏的价值

分析师可能会忽略数据中的一些模式:表明新市场和机会的 ITOps 和安全方面的趋势以及客户行为模式。实现集群分析的自动化,以识别类似的数据点并对其进行分类,以便帮助您发现噪声中的信号,并做出更好的决策。参见制药初创公司 Recursion 如何在大量基因研究数据中识别高价值模式。

actionable-itteligence

您能使用 Splunk 做什么?