来自 IT 监控时间序列的因果发现案例研究
机器学习
2023-07-31 v1 人工智能
应用统计
统计方法学
摘要
信息技术（IT）系统对现代企业至关重要，负责数据存储、通信与流程自动化。监控这些系统对其正常运行与效率十分关键，因为监控可收集大量观测时间序列数据用于分析。在 IT 监控系统中，对因果发现的兴趣日益增长，因为了解 IT 系统不同组件之间的因果关系有助于减少停机时间、提升系统性能并识别异常与故障的根因。它还允许通过历史数据分析主动预测未来问题。尽管具有潜在益处，但由于数据的复杂性，将因果发现算法应用于 IT 监控数据存在挑战。例如，IT 监控数据常包含未对齐时间序列、休眠时间序列、时间戳错误与缺失值。本文展示了将因果发现算法应用于不同 IT 监控数据集的案例研究，突出了益处与持续存在的挑战。
引用
@article{arxiv.2307.15678,
title = {Case Studies of Causal Discovery from IT Monitoring Time Series},
author = {Ali Aït-Bachir and Charles K. Assaad and Christophe de Bignicourt and Emilie Devijver and Simon Ferreira and Eric Gaussier and Hosein Mohanna and Lei Zan},
journal= {arXiv preprint arXiv:2307.15678},
year = {2023}
}
备注
Accepted to the UAI 2023 Workshop on The History and Development of Search Methods for Causal Structure