基于机器学习的 ElasticSearch 异常值检测案例

机器学习在当前是非常火热的一种技术，随着框架的越来越成熟，机器学习逐渐大众化，不需要你非常的精通数学领域的知识，或者阅读各种晦涩难懂的论文。现在很多算法都已经封装成成熟的 API，因此机器学习不再是算法工程师才能够掌握的技术。

普通软件开发工程师也能够掌握如何去应用机器学习，当然如果是研究型的算法，还是需要专业人士来做。软件开发工程师，只需要会用、了解原理，如何解决当前项目中所遇到的问题就行了，如果想精进现有的算法模型，那还是有很长的一段路需要走。

话不多说，本章节就利用 ES 提供的一个机器学习工具，来对指标进行异常检测，机器学习任何人都可以用，赶紧来体验一下它的神秘之处。

异常

异常检测，什么是异常？如何去检测？

首先异常就是一个对比的结果，可以跟其他人比，可以跟自己比，比如说我们的天气指标，当天不同城市温度的异常，这个就是自己跟其他人的比较异常，假如说夏天来了，大部分地区都是 30 度以上，但是东北地区竟然零下，那么东北这个数据就是个异常。加入北京地区一周都是 30 度的高温，最后一天却只有 10 度，那么这天的温度就是异常，这个自己跟自己比的一个过程。

仔细考虑一下，如果是让你自己去判断，是不是很容易判断出谁“出毛病”了，但是总不能让人一直观察这些数据吧，有没有一种方法能够自动找出这个异常数据呢？

规则

我们平时开发的逻辑代码，都是 if else，这个中逻辑代码被称作基于规则来判断，满足一定的规则就归放到某一类，但是就温度异常这个这个需求如何用规则来判断呢？