Créer et former un modèle prédictif

  • Rversion finale: Australia
  • Mis à jour 12 mars 2026
  • 2 minutes de lecture

    • Utilisez des modèles statistiques pour déterminer les anomalies significatives en temps réel à l’aide MetricBase de déclencheurs. Vous devrez former un modèle à l’aide de données représentatives qui ont déjà été stockées dans MetricBase.

    Avant de commencer

    Rôle requis : admin

    Procédure

    1. Accédez à la Tous > MetricBase > Modèles MetricBase.
    2. Sélectionnez Nouveau.
    3. Remplissez les champs du formulaire.
      Tableau 1. Nouveau formulaire d’enregistrement du modèle
      Champ Description
      Nom du modèle Nom du modèle. Le nom peut être n’importe quelle combinaison de caractères alphanumériques. Ce nom de modèle est différent de celui de la classe de modèle. En général, le nom se rapporte à la valeur de Grouper par.
      Nom de la table Nom de la table qui contient les données de formation.
      Mesure Nom de la mesure que vous utilisez pour former le modèle. La mesure doit appartenir à la table.
      Date de création Date à laquelle vous avez formé le modèle.
      Filtre Filtres que vous utilisez pour exclure certaines des données du jeu de données.
      Remarque :
      Lorsque vous choisissez des données pour entraîner votre modèle, essayez de sélectionner des données qui démontrent un comportement attendu pour réduire les anomalies dans le jeu de formation.
      Grouper par Vous pouvez utiliser Grouper par comme champ discriminateur pour vos données de modèle. Par exemple, si vous souhaitez créer un modèle de données sur un groupe de serveurs de production dont les performances diffèrent selon le rôle (comme les rôles de serveur de base de données ou d’applications), vous devez choisir le rôle comme champ Grouper par . Le processus de formation crée un modèle par rôle dans le groupe d’enregistrements sélectionnés par le filtre. Vous n’avez pas besoin de créer manuellement un modèle pour chaque rôle.
      Classe de modèle L’algorithme à utiliser lors de l’entraînement des données. Sélectionnez un algorithme de moyenne mobile (PEWMA, ARIMA), un algorithme saisonnier (STL, HW) ou choisissez Trouver le modèle le mieux adapté. La valeur par défaut est Trouver le modèle le mieux adapté, qui teste chaque algorithme et sélectionne celui qui semble avoir le meilleur ajustement sur l’ensemble d’apprentissage.
      Date de début de l’ensemble de données de formation MetricBase Données de séries chronologiques pour la mesure commençant à cette date.
      Date de fin de l’ensemble de données de formation MetricBase Données de séries chronologiques pour la mesure se terminant à cette date.
      Fin de validité Date qui sert de rappel pour envisager de reformer le modèle. Si le modèle fonctionne bien, il n’est pas nécessaire de le reformer. Le modèle peut continuer à fonctionner après cette date.
      Actives Option permettant d’utiliser le modèle formé. Une fois que le modèle est actif, il devient disponible pour être Studio de workflow utilisé comme déclencheur.
    4. Cliquez sur Soumettre et former.
      MetricBase Forme le modèle. Une fois terminé, le modèle apparaît dans l’onglet Instances de modèle de MetricBase .
    5. Cliquez sur le nom du modèle.
      Les données de modélisation s’affichent, tout comme la chaîne de modèle avec les paramètres optimisés par la formation.
      Données du modèle formé
    6. Facultatif : Cliquez sur le nom du modèle, puis sur Définir le modèle pour modifier les paramètres du modèle.
      Vous pouvez modifier les paramètres du modèle lorsque vous souhaitez remplacer les paramètres de formation de votre modèle. Le graphique ne se met pas à jour, vous enregistrez la chaîne de modèle révisée.

    Que faire ensuite

    Vous pouvez créer un Studio de workflow déclencheur pour ce modèle. Pour plus d’informations, consultez Créer un déclencheur de modèle.