O MetricBase cria um modelo treinando uma amostra representativa dos dados de série temporal para determinar os parâmetros do modelo. O processo de treinamento determina os parâmetros do modelo que melhor se adaptam aos seus dados para distinguir os dados normais dos dados anômalos.

O MetricBase é compatível com os seguintes tipos de modelo:

• Média móvel exponencial probabilística (PEWMA), um algoritmo de média móvel que usa um fator de probabilidade para determinar como ele reage à mudança nos dados
• Média móvel integrada autorregressiva (ARIMA), um algoritmo de média móvel que leva em consideração erros e valores anteriores
• Decomposição de tendência sazonal usando Loess (STL), um algoritmo sazonal para decompor dados de série temporal em componentes sazonais e de tendência
• Holt-Winters (HW), um algoritmo sazonal que decompõe a tendência e os componentes sazonais para determinar o nível

Depois de treinar um modelo a partir de seus dados, você poderá acionar fluxos quando os novos dados forem significativamente diferentes dos dados treinados.