MetricBase erstellt ein Modell durch Trainieren einer repräsentativen Stichprobe Ihrer Zeitreihendaten, um die Modellparameter zu bestimmen. Beim Training werden die Modellparameter ermittelt, die am besten zu Ihren Daten passen, um normale Daten von anomalen Daten zu unterscheiden.

MetricBase unterstützt die folgenden Modelltypen:

• Probabelistischer exponentiell gewichteter gleitender Durchschnitt (PEWMA), ein Algorithmus für den gleitenden Durchschnitt, der einen Wahrscheinlichkeitsfaktor verwendet, um zu bestimmen, wie er auf Änderungen in Daten reagiert
• Autoregressive Integrated Gleitender Durchschnitt (ARISA), ein Algorithmus für einen gleitenden Durchschnitt, der vorherige Fehler und Werte berücksichtigt
• Saisonale Trendzerlegung mit Loess (STL), einem saisonalen Algorithmus zum Zerlegen von Zeitreihendaten in saisonale und Trendkomponenten
• Holen Sie sich den Algorithmus „Holt-Woods“ (HW), einen saisonalen Algorithmus, der den Trend und die saisonalen Komponenten zerlegt, um die Ebene zu bestimmen

Nachdem Sie ein Modell aus Ihren Daten trainiert haben, können Sie Flows auslösen, wenn sich neue Daten erheblich von den trainierten Daten unterscheiden.