予測モデルを使用してメトリックベースデータの異常を検出する

メトリックベース は、時系列データの代表的なサンプルをトレーニングしてモデルパラメーターを決定することにより、モデルを作成します。トレーニングプロセスでは、正常なデータと異常なデータを区別するために、データに最適なモデルパラメーターを決定します。

メトリックベース は、次のモデルタイプをサポートしています。

• 確率的指数型重み付き移動平均 (PEWMA)。データの変化にどのように反応するかを決定するために確率係数を使用する移動平均アルゴリズム
• 自己回帰統合移動平均 (ARIMA)。以前のエラーと値を考慮した移動平均アルゴリズム
• Loess (STL) を使用した季節傾向分解。時系列データを季節コンポーネントと傾向コンポーネントに分解する季節アルゴリズム
• Holt-Winters (HW)。傾向コンポーネントと季節コンポーネントを分解してレベルを決定する季節アルゴリズム

注:

モデルクラスリストから Find Best Fit Model を選択すると、メトリックベース によって最も適切なモデルタイプが選択されます。

データでモデルをトレーニングした後、新しいデータがトレーニング済みデータと大幅に異なる場合にフローをトリガーできます。