Vorhersagemodell erstellen und trainieren

  • Freigeben Version: Xanadu
  • Aktualisiert 1. August 2024
  • 2 Minuten Lesedauer

    • Verwenden Sie statistische Modelle, um signifikante Anomalien in Echtzeit mithilfe von MetricBase -Auslösern zu bestimmen. Sie müssen ein Modell mit repräsentativen Daten trainieren, die bereits in MetricBasegespeichert wurden.

    Vorbereitungen

    Erforderliche Rolle: admin

    Prozedur

    1. Navigieren zu Alle > MetricBase > MetricBase-Modellean.
    2. Wählen Sie Neu.
    3. Füllen Sie die Felder des Formulars aus.
      Tabelle : 1. Formular „Modell – Neuer Datensatz“.
      Feld Beschreibung
      Modellname Name des Modells. Der Name kann eine beliebige Kombination aus alphanumerischen Zeichen sein. Dieser Modellname ist nicht mit der Modellklasse identisch. Im Allgemeinen bezieht sich der Name auf den Wert in Group by(Gruppieren nach).
      Tabellenname Name der Tabelle, die die Trainingsdaten enthält.
      Metrik Name der Metrik, die Sie zum Trainieren des Modells verwenden. Die Metrik muss zu der Tabelle gehören.
      Erstellt Datum, an dem Sie das Modell trainiert haben.
      Filter Filter, mit denen Sie einige der Daten im Datensatz ausschließen.
      Hinweis:
      Wenn Sie Daten zum Trainieren Ihres Modells auswählen, versuchen Sie, Daten auszuwählen, die ein erwartetes Verhalten zeigen, um Anomalien im Trainingssatz zu reduzieren.
      Gruppieren nach Sie können Gruppieren nach als Unterscheidungsmerkmalfeld für Ihre Modelldaten verwenden. Wenn Sie beispielsweise ein Datenmodell über eine Gruppe von Produktionsservern erstellen möchten, deren Leistung sich je nach Rolle unterscheidet (z. B. Datenbank- oder Anwendungsserverrollen), wählen Sie „Rolle“ für das Feld „Gruppieren nach“ aus. Der Trainingsprozess erstellt ein Modell pro Rolle in der Gruppe der durch den Filter ausgewählten Datensätze. Sie müssen nicht für jede Rolle manuell ein Modell erstellen.
      Modellklasse Der beim Trainieren von Daten zu verwendende Algorithmus. Wählen Sie einen Algorithmus für den gleitenden Durchschnitt (PEWMA, ARISA) und einen saisonalen Algorithmus (STL, HW) aus, oder wählen Sie Am besten geeignetes Modell finden. Die Standardeinstellung ist Am besten passendes Modellfinden, die jeden Algorithmus testet und denjenigen auswählt, der am besten zum Trainingsset passt.
      Startdatum des Trainingsdatensatzes MetricBase Zeitreihendaten für die Metrik ab diesem Datum.
      Enddatum des Trainingsdatensatzes MetricBase Zeitreihendaten für die Metrik, die mit diesem Datum endet.
      Gültig bis Datum, das daran erinnert, ein erneutes Trainieren des Modells in Betracht zu ziehen. Wenn das Modell eine gute Leistung erbringt, muss es nicht erneut trainiert werden. Das Modell kann über dieses Datum hinaus weiterarbeiten.
      Aktiv Option zur Verwendung des trainierten Modells. Sobald das Modell aktiv ist, kann es als Workflow-Studio -Auslöser verwendet werden.
    4. Klicken Sie auf Absenden und trainieren.
      MetricBase trainiert das Modell. Nach Abschluss wird das Modell auf der Registerkarte MetricBase- Modellinstanzen angezeigt.
    5. Klicken Sie auf den Modellnamen.
      Die Modellierungsdaten werden ebenso wie die Modellzeichenfolge mit den durch das Training optimierten Parametern angezeigt.
      Daten des trainierten Modells
    6. Wahlweise: Klicken Sie auf den Modellnamen und dann auf Modell festlegen, um die Modellparameter zu ändern.
      Sie können die Modellparameter bearbeiten, wenn Sie die Einstellungen für das Trainieren Ihres Modells überschreiben möchten. Das Diagramm wird nicht aktualisiert. Sie speichern die überarbeitete Modellzeichenfolge.

    Nächste Maßnahme

    Sie können einen Workflow-Studio -Auslöser für dieses Modell erstellen. Weitere Informationen finden Sie unter Modellauslöser erstellen.