MetricBase 는 모델 매개변수를 결정하기 위해 시계열 데이터의 대표 샘플을 학습시켜 모델을 만듭니다. 학습 프로세스는 정상 데이터와 예외 데이터를 구별하기 위해 데이터에 가장 적합한 모델 매개변수를 결정합니다.

MetricBase 는 다음 모델 유형을 지원합니다.

• PEWMA(Probabilistic Exponentially Weighted Moving Average)는 확률 요소를 사용하여 데이터 변화에 반응하는 방식을 결정하는 이동 평균 알고리즘입니다.
• ARIMA(Autoregressive Integrated Moving Average): 이전 오류와 값을 고려하는 이동 평균 알고리즘
• 시계열 데이터를 계절 및 추세 구성요소로 분해하는 계절 알고리즘인 황토(STL)를 사용한 계절 추세 분해
• Holt-Winters(HW) - 추세 및 계절 성분을 분해하여 수준을 결정하는 계절 알고리즘

데이터에서 모델을 학습한 후 새 데이터가 학습된 데이터와 크게 다를 때 플로우를 트리거할 수 있습니다.