MetricBase erstellt ein Modell, indem ein repräsentatives Beispiel Ihrer Zeitreihendaten trainiert wird, um die Modellparameter zu bestimmen. Der Trainingsprozess bestimmt die Modellparameter, die am besten zu Ihren Daten passen, um normale Daten von anomalen Daten zu unterscheiden.

MetricBase unterstützt die folgenden Modelltypen:

• Probabilistischer exponentiell gewichteter gleitender Durchschnitt (PEWMA), ein Algorithmus für gleitenden Durchschnitt, der mithilfe eines Wahrscheinlichkeitsfaktors bestimmt, wie er auf Datenänderungen reagiert
• Autoregressiver integrierter gleitender Durchschnitt (ARIMA), ein Algorithmus für gleitenden Durchschnitt, der vorherige Fehler und Werte berücksichtigt
• Saisonale Trendzerlegung mit Loess (STL), einem saisonalen Algorithmus zum Zerlegen von Zeitreihendaten in saisonale und Trendkomponenten
• HW, ein saisonaler Algorithmus, der den Trend und die saisonalen Komponenten zerlegt, um das Niveau 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.