회귀
회귀 (Regression)
회귀 함수는 메트릭 값에 회귀선(trend line)을 피팅해 전체 추세를 파악하게 해 주는 함수예요. 극단값의 영향이 적은 로버스트 회귀부터 OLS 회귀, 구간 상수 근사까지 상황에 맞는 방법을 고를 수 있습니다.
출처: 문서
본문
로버스트 추세 (Robust trend)
| 함수 | 설명 | 예시 |
|---|---|---|
robust_trend() |
Huber 손실을 사용해 로버스트 회귀 추세선을 피팅합니다. | robust_trend(avg:<METRIC_NAME>{*}) |
가장 흔한 선형 회귀 유형인 OLS(최소제곱법, ordinary least squares)는 극단값을 가진 소수의 포인트에 크게 영향을 받을 수 있어요. 로버스트 회귀는 회귀선을 피팅하는 대안적인 방법으로, 소수의 극단값에 그다지 강하게 영향받지 않습니다. 예를 들어 다음 플롯을 확인해 보세요.
원래 메트릭은 실선 파란색으로 표시됩니다. 보라색 점선은 OLS 회귀선, 노란색 점선은 로버스트 회귀선입니다. 메트릭의 짧은 스파이크 하나가 OLS 회귀선을 위쪽으로 기울게 만들지만, 로버스트 회귀선은 그 스파이크를 무시하고 메트릭의 전체 추세를 더 잘 피팅합니다.
추세선 (Trend line)
| 함수 | 설명 | 예시 |
|---|---|---|
trend_line() |
메트릭 값에 OLS(최소제곱법) 회귀선을 피팅합니다. | trend_line(avg:<METRIC_NAME>{*}) |
예시:
함수 sin(x) * x/2 + x 다음에 trend_line(sin(x) * x/2 + x)를 적용하면 다음과 같은 모양이 됩니다.
구간 상수 (Piecewise constant)
| 함수 | 설명 | 예시 |
|---|---|---|
piecewise_constant() |
상수값 구간으로 구성된 구간별 함수로 메트릭을 근사합니다. | piecewise_constant(avg:<METRIC_NAME>{*}) |
예시:
함수 x 다음에 piecewise_constant(x)를 적용하면 다음과 같은 모양이 됩니다.
기타 함수 (Other functions)
사용할 수 있는 다른 함수들을 확인해 보세요:
- 알고리즘 (Algorithmic): 메트릭에 이상 탐지(Anomaly) 또는 이상치(Outlier) 탐지를 적용합니다.
- 산술 (Arithmetic): 메트릭에 산술 연산을 수행합니다.
- 카운트 (Count): 메트릭 값 중 0이 아니거나 null이 아닌 값을 셉니다.
- 제외 (Exclusion): 메트릭의 특정 값을 제외합니다.
- 보간 (Interpolation): 메트릭의 기본값을 채우거나 설정합니다.
- 랭크 (Rank): 메트릭의 일부 하위 집합만 선택합니다.
- 레이트 (Rate): 메트릭에 대한 사용자 지정 미분값을 계산합니다.
- 롤업 (Rollup): 메트릭에 사용되는 원시 데이터 포인트 수를 제어합니다.
- 스무딩 (Smoothing): 메트릭의 변동을 완만하게 다듬습니다.
- 타임시프트 (Timeshift): 메트릭 데이터 포인트를 타임라인을 따라 이동합니다.