Rendellenesség-észlelési modell betanítása
Fontos
A (klasszikus) Machine Learning Studio támogatása 2024. augusztus 31-én megszűnik. Javasoljuk, hogy addig térjen át az Azure Machine Learning használatára.
2021. december 1-től kezdve nem fog tudni létrehozni új (klasszikus) Machine Learning Studio-erőforrásokat. 2024. augusztus 31-ig továbbra is használhatja a meglévő (klasszikus) Machine Learning Studio-erőforrásokat.
- További információ a gépi tanulási projektek a ML Studióból a klasszikusból a Azure Machine Learning.
- További információ a Azure Machine Learning.
A (klasszikus) ML Studio dokumentációjának kivezetése folyamatban van, és a jövőben nem várható a frissítése.
Anomáliadetektálási modell betanítás egy betanításkészleten
Kategória: Machine Learning / Betanítás
Megjegyzés
A következőkre vonatkozik: Machine Learning Studio (klasszikus)
Hasonló húzással használható modulok érhetők el Azure Machine Learning tervezőben.
A modul áttekintése
Ez a cikk azt ismerteti, hogyan használható az Anomáliadetektálási modell betanítás Machine Learning betanított anomáliadetektálási modell létrehozásához.
A modul bemenete az anomáliadetektálási modell modellparaméter-készlete, például az egyosztályos támogatóvektor-gép modul által előállított modellparaméterek, valamint egy címkézetlen adathalmaz. Egy betanított anomáliadetektálási modellt ad vissza a betanítás adatainak címkéivel együtt.
Az alábbi témakörökben további információt Machine Learning anomáliadetektálási algoritmusokkal kapcsolatban:
Az anomáliadetektálási modell betanításának konfigurálása
Adja hozzá az Anomáliadetektálási modell betanítás modulját a (klasszikus) Studióban található kísérlethez. A modult a Betanítás Machine Learningtalálhatja meg.
Csatlakozás anomáliadetektálásra tervezett modulok egyike, például PCA-alapú anomáliadetektálás vagy egyosztályos támogatóvektor-gép.
Más típusú modellek nem támogatottak; a kísérlet futtatásakor a következő hibaüzenet jelenik meg: Minden modellnek azonos tanulótípussal kell lennie.
Konfigurálja az anomáliadetektálási modult a címkeoszlop kiválasztásával és az algoritmusra jellemző egyéb paraméterek beállításával.
Csatoljon egy betanítás adatkészletet az Anomáliadetektálási modell betanítása jobb oldali bemenetéhez.
Futtassa a kísérletet.
Results (Eredmények)
A betanítás befejezése után:
A modell paramétereinek megtekintéséhez kattintson a jobb gombbal a modulra, és válassza a Vizualizáció lehetőséget.
Előrejelzések létrehozásához használja a Score Model (Modell pontozása) új bemeneti adatokkal való használatát.
A betanított modell pillanatképének mentéshez kattintson a jobb gombbal a Betanított modell kimenetére, majd válassza a Mentés másként lehetőséget.
Példák
Az anomáliadetektálás a Machine Learning a következő Azure AI Gallery:
Online csalásészlelés: Részletesen bemutatja az anomáliadetektálási forgatókönyvet, beleértve a funkciók mérnöki módszerét és az algoritmusok eredményeinek értelmezését.
Anomáliadetektálás: Hitelkockázat: Bemutatja, hogyan használhatók az egyosztályos támogatóvektor-gépek és a PCA-alapú anomáliadetektálási modulok a csalások észleléséhez.
Várt bemenetek
| Név | Típus | Description |
|---|---|---|
| Nem korlátozott modell | ILearner interfész | Nem korlátozott anomáliadetektálási modell |
| Adathalmaz | Adattábla | Bemeneti adatforrás |
Kimenetek
| Név | Típus | Description |
|---|---|---|
| Betanított modell | ILearner interfész | Betanított anomáliadetektálási modell |
Kivételek
| Kivétel | Description |
|---|---|
| 0003-as hiba | Kivétel történik, ha egy vagy több bemenet null vagy üres. |
A Studio (klasszikus) moduljaival kapcsolatos hibák listájáért tekintse meg a Machine Learning hibakódokat.
Az API-kivételek listájáért tekintse meg a Machine Learning REST API hibakódokat.