Detekce anomálií
Důležité
Podpora studia Machine Learning (Classic) skončí 31. srpna 2024. Doporučujeme do tohoto data přejít na službu Azure Machine Learning.
Od 1. prosince 2021 nebude možné vytvářet nové prostředky studia Machine Learning (Classic). Do 31. srpna 2024 můžete pokračovat v používání stávajících prostředků studia Machine Learning (Classic).
- Podívejte se na informace o přesunu projektů strojového učení z ML Studia (klasického) do Azure Machine Learning.
- Další informace o Azure Machine Learning.
Dokumentace ke studiu ML (Classic) se vyřazuje z provozu a v budoucnu se nemusí aktualizovat.
Poznámka
Platí pro: Machine Learning Studio (classic)
Podobné moduly s přetahováním jsou k dispozici v Azure Machine Learning návrháři.
Tento článek představuje moduly poskytované v nástroji Machine Learning Studio (klasické) pro detekci anomálií. Detekce anomálií zahrnuje mnoho důležitých úloh strojového učení:
- Identifikace transakcí, které jsou potenciálně podvodné
- Učení, které indikují, že došlo k narušení sítě.
- Hledání neobvyklých shluků pacientů
- Kontrola hodnot zadaných do systému
Vzhledem k tomu, že anomálie jsou podle definice vzácné události, může být obtížné shromáždit reprezentativní vzorek dat, která se mají použít k modelování. Algoritmy zahrnuté v této kategorii byly speciálně navrženy tak, aby řešly základní problémy při vytváření a trénování modelů pomocí nevyvážené datové sady.
Moduly detekce anomálií
Machine Learning Studio (classic) poskytuje následující moduly, které můžete použít k vytvoření modelu detekce anomálií. Stačí přetáhnout modul do experimentu a začít s modelem pracovat.
Po nastavení parametrů modelu musíte model vytrénovat pomocí označené datové sady a trénovacího modulu Trénování modelu detekce anomálií . Výsledkem je vytrénovaný model, který můžete použít k testování nových dat. K tomu použijte modul Určení skóre modelu pro všechny účely.
Příklad, jak tyto moduly spolupracují, najdete v experimentu Detekce anomálií: Úvěrové riziko v galerii Cortana Intelligence.
Související úlohy
Detekce anomálií v Time Series je nový modul, který se trochu liší od ostatních modelů detekce anomálií. Modul Detekce anomálií time series je určený pro data časových řad. Slouží k analýze trendů v průběhu času. Algoritmus identifikuje potenciálně neobvyklé trendy v datech časových řad. Označí odchylky od směru nebo velikosti trendu.
Azure také poskytuje rozhraní API Machine Learning detekce anomálií, které můžete volat jako webovou službu.
Seznam modulů
Kategorie Detekce anomálií zahrnuje následující moduly:
- Metoda podpůrných vektorů s jednou třídou: Vytvoří model jedno class support vector machine pro detekci anomálií.
- Detekce anomálií na základě PCA: Vytvoří model detekce anomálií pomocí analýzy hlavních komponent.