---
sourceDocument: Yokohama Now Platform-Fähigkeiten
sourceDocumentLink: https://www.servicenow.com/docs/r/de-DE/yokohama/servicenow-platform

 Release :

    - yokohama

ft:locale :

    - de-DE

ft:publication_title :

    - Yokohama Now Platform-Fähigkeiten

ft:clusterId :

    - platcap

bundleId :

    - platcap

workflow :

    - Platform


---

# Erstellen und trainieren Sie ein Vorhersagemodell

# Erstellen und trainieren Sie ein Vorhersagemodell {#ariaid-title1}

* Freigeben Version: Yokohama
* 
* Aktualisiert 30. Januar 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 2 Minuten Lesedauer

Verwenden Sie statistische Modelle, um signifikante Anomalien in Echtzeit mit zu bestimmen MetricBaseAuslöser. Sie müssen ein Modell mithilfe repräsentativer Daten trainieren, die bereits in gespeichert wurden MetricBase.

## Vorbereitungen

Erforderliche Rolle: Administrator

## Prozedur

1. Navigieren zu AlleMetricBaseMetricBase-Modellean.
2. Wählen Sie Neu.
3. Füllen Sie im Formular die Felder aus.  
   {#train-a-model__table_u35_xsq_23b__entry__2}

   | 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 Gruppieren nach . |
   | Tabellenname | Name der Tabelle, die die Trainingsdaten enthält. |
   | Metrik | Name der Metrik, die Sie zum Trainieren des Modells verwenden. Die Metrik muss zur Tabelle gehören. |
   | Erstellt | Datum, an dem Sie das Modell trainiert haben. |
   | Filter | Filter, die Sie verwenden, um einige der Daten im Datensatz auszuschließen. Hinweis: Wenn Sie Daten zum Trainieren Ihres Modells auswählen, versuchen Sie, Daten auszuwählen, die ein erwartetes Verhalten demonstrieren, um Anomalien im Trainingssatz zu reduzieren. |
   | Gruppieren nach | Sie können verwenden Gruppieren nach Als Diskriminatorfeld für Ihre Modelldaten. Wenn Sie beispielsweise ein Datenmodell für eine Gruppe von Produktionsservern erstellen möchten, deren Leistung je nach Rolle unterschiedlich ist (z. B. Datenbank- oder Anwendungsserverrollen), wählen Sie die Rolle als aus Gruppieren nach Feld. Der Trainingsprozess erstellt ein Modell pro Rolle in der vom Filter ausgewählten Gruppe von Datensätzen. Sie müssen nicht manuell ein Modell für jede Rolle erstellen. |
   | Modellklasse | Der Algorithmus, der beim Trainieren von Daten verwendet werden soll. Wählen Sie einen Algorithmus für gleitenden Durchschnitt (PEWMA, ARIMA) oder einen saisonalen Algorithmus (STL, HW) aus, oder wählen Sie aus Finden Sie Das Am Besten Geeignete Modell . Der Standardwert ist Finden Sie Das Am Besten Geeignete Modell , Der jeden Algorithmus ausprobiert und den auswählt, der anscheinend am besten für den Trainingssatz geeignet ist. |
   | Startdatum des Trainingsdatensatzes | MetricBase Zeitreihendaten für die Metrik, die mit diesem Datum beginnt. |
   | Enddatum des Trainingsdatensatzes | MetricBase Zeitreihendaten für die Metrik, die mit diesem Datum endet. |
   | Gültig bis | Datum, das als Erinnerung daran dient, das erneutes Trainieren des Modells zu erwägen. Wenn das Modell gut funktioniert, muss es nicht erneut trainiert werden. Das Modell kann nach diesem Datum weiter arbeiten. |
   | Aktiv | Option zur Verwendung des trainierten Modells. Sobald das Modell aktiv ist, kann es als verwendet werden Workflow-StudioAuslöser. |
   [Tabelle : 1. Neues Datensatzformular modellieren]

   {#train-a-model__table_u35_xsq_23b}
4. Klicken Sie Auf Übermitteln und trainieren .  
   MetricBase Trainiert das Modell. Nach Abschluss wird das Modell auf angezeigt MetricBase-Modellinstanzen Registerkarte.
5. Klicken Sie auf den Modellnamen.  
   Die Modellierungsdaten werden ebenso wie die Modellzeichenfolge mit den vom Training optimierten Parametern angezeigt.
6. **Wahlweise:** Klicken Sie auf den Modellnamen und dann auf Legen Sie Das Modell Fest Zum Ändern der Modellparameter.  
   Sie können die Modellparameter bearbeiten, wenn Sie die Einstellungen zum Trainieren Ihres Modells überschreiben möchten. Das Diagramm wird nicht aktualisiert. Sie speichern die überarbeitete Modellzeichenfolge.

## Nächste Maßnahme

Sie können erstellen Workflow-StudioAuslöser für dieses Modell. Weitere Informationen finden Sie unter [Erstellen Sie einen Modellauslöser](https://www.servicenow.com/docs/qhZPudEZ4Ep9Ic2tT1vKXg "Modellauslöser werden ausgeführt, wenn die Zeitreihendaten von den erwarteten Werten abweichen.").