Anomaly Detection
Importante
Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.
A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).
- Vedere leinformazioni sullo spostamento di progetti di Machine Learning da ML Studio (versione classica) ad Azure Machine Learning.
- Altre informazioni sulle Azure Machine Learning.
La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.
Nota
Si applica a: Machine Learning Studio (versione classica)
Moduli di trascinamento della selezione simili sono disponibili nella finestra Azure Machine Learning progettazione.
Questo articolo presenta i moduli forniti in Machine Learning Studio (versione classica) per il rilevamento delle anomalie. Il rilevamento di anomalie comprende molte attività importanti correlate all'apprendimento automatico:
- Identificazione di transazioni potenzialmente illecite.
- Criteri di apprendimento indicanti che si è verificata un'intrusione nella rete.
- Ricerca di gruppi anomali di pazienti.
- Verifica dei valori immessi in un sistema.
Poiché le anomalie sono per definizione eventi rari, può essere difficile raccogliere un campione rappresentativo di dati da usare per la modellazione. Gli algoritmi inclusi in questa categoria sono stati appositamente progettati per risolvere i problemi principali relativi alla creazione e al training dei modelli tramite set di dati non bilanciati.
Moduli di rilevamento anomalie
Machine Learning Studio (versione classica) offre i moduli seguenti che è possibile usare per creare un modello di rilevamento anomalie. È sufficiente trascinare il modulo nell'esperimento per iniziare a lavorare con il modello.
- One-Class Support Vector Machine
- PCA-Based Anomaly Detection (Rilevamento anomalie basato su PCA)
Dopo aver impostato i parametri del modello, è necessario eseguire il training del modello usando un set di dati con etichetta e il modulo di training Train Anomaly Detection Model (Training del modello di rilevamento anomalie). Il risultato è un modello con training che è possibile usare per testare nuovi dati. A tale scopo, usare il modulo Score Model per tutti gli scopi.
Per un esempio del funzionamento di questi moduli, vedere l'esperimento Rilevamento anomalie: rischio di credito in Cortana Intelligence Gallery.
Attività correlate
Rilevamento anomalie della serie temporale è un nuovo modulo leggermente diverso dagli altri modelli di rilevamento anomalie. Il modulo Time Series Anomaly Detection è stato progettato per i dati delle serie tempo reale. È progettato per l'uso per analizzare le tendenze nel tempo. L'algoritmo identifica le tendenze potenzialmente anomalie nei dati delle serie tempo reale. Contrassegna le deviazioni dalla direzione o dalla grandezza della tendenza.
Azure fornisce anche l'API Machine Learning rilevamento anomalie, che è possibile chiamare come servizio Web.
Elenco di moduli
La categoria Rilevamento anomalie include i moduli seguenti:
- Macchina a vettori di supporto di una classe: crea un modello di macchina a vettori di supporto di una classe per il rilevamento delle anomalie.
- Rilevamento anomalie basate su PCA: crea un modello di rilevamento anomalie usando l'analisi dei componenti principale.