---
sourceDocument: Xanadu Now Platform 기능
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ko-KR/xanadu/servicenow-platform

 Release :

    - xanadu

ft:locale :

    - ko-KR

ft:publication_title :

    - Xanadu Now Platform 기능

ft:clusterId :

    - platcap

bundleId :

    - platcap

workflow :

    - Platform


---

# 예측 모델을 사용하여 데이터의 예외 MetricBase 탐지

# 예측 모델을 사용하여 데이터의 예외 MetricBase 탐지 {#ariaid-title1}

* 릴리스 버전: Xanadu
* 
* 업데이트 날짜 2024년 08월 01일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 1분

MetricBase 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 요인을 사용하여 데이터 변화에 반응하는 방식을 결정하는 이동 평균 알고리즘입니다.
* ARIMA(Autoregressive Integrated Moving Average), 이전 오류 및 값을 고려하는 이동 평균 알고리즘
* 황토(STL)를 사용한 계절 추세 분해, 시계열 데이터를 계절 및 추세 구성요소로 분해하는 계절 알고리즘
* Holt-Winters(HW) - 추세 및 계절 구성요소를 분해하여 수준을 결정하는 계절 알고리즘

{#metricbase-predictive-models__ul_bdc_yt2_qjb}  
주:  
MetricBase 모델 클래스 목록에서 선택할 Find Best Fit Model 때 가장 적합한 모델 유형을 선택합니다.

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