이상 감지
중요
Machine Learning Studio(클래식)에 대한 지원은 2024년 8월 31일에 종료됩니다. 해당 날짜까지 Azure Machine Learning으로 전환하는 것이 좋습니다.
2021년 12월 1일부터 새로운 Machine Learning Studio(클래식) 리소스를 만들 수 없습니다. 2024년 8월 31일까지는 기존 Machine Learning Studio(클래식) 리소스를 계속 사용할 수 있습니다.
- ML Studio(클래식)에서 Azure Machine Learning으로 기계 학습 프로젝트 이동에 대한 정보를 참조하세요.
- Azure Machine Learning에 대한 자세한 정보.
ML Studio(클래식) 설명서는 사용 중지되며 나중에 업데이트되지 않을 수 있습니다.
이 문서에서는 변칙 검색을 위해 Machine Learning Studio(클래식)에 제공된 모듈을 소개합니다. 변칙 검색은 다음과 같은 기계 학습의 여러 중요한 작업을 포함합니다.
- 잠재적으로 사기성이 있는 트랜잭션 식별.
- 네트워크 침입이 발생했음을 나타내는 학습 패턴.
- 비정상적인 환자 클러스터 찾기.
- 시스템에 입력된 값 확인.
변칙은 정의상 거의 발생하지 않으므로 모델링에 사용할 데이터의 대표 샘플을 수집하기 어려울 수 있습니다. 이 범주에 포함된 알고리즘은 특히 불균형 데이터 세트를 사용하여 모델을 빌드하고 학습시키는 핵심 과제를 해결하도록 설계되었습니다.
변칙 검색 모듈
Machine Learning Studio(클래식)는 변칙 검색 모델을 만드는 데 사용할 수 있는 다음 모듈을 제공합니다. 모듈을 실험으로 끌어 모델 작업을 시작하기만 하면 됩니다.
모델 매개 변수를 설정한 후 레이블이 지정된 데이터 집합 및 변칙 검색 모델 학습 모듈을 사용하여 모델을 학습시켜야 합니다. 결과는 새 데이터를 테스트하는 데 사용할 수 있는 학습된 모델입니다. 이렇게 하려면 다목적 모델 점수 매기 기 모듈을 사용합니다.
이러한 모듈이 함께 작동하는 방법의 예는 Cortana Intelligence 갤러리의 변칙 검색: 신용 위험 실험을 참조하세요.
관련 작업
시계열 변칙 검색은 다른 변칙 검색 모델과 약간 다른 새로운 모듈입니다. 시계열 변칙 검색 모듈은 시계열 데이터를 위해 설계되었습니다. 시간이 지남에 따라 추세를 분석하는 데 사용하기 위한 것입니다. 이 알고리즘은 시계열 데이터의 잠재적인 비정상적인 추세를 식별합니다. 추세의 방향 또는 크기에서 편차에 플래그를 지정합니다.
또한 Azure는 웹 서비스로 호출할 수 있는 Machine Learning 변칙 검색 API를 제공합니다.
모듈 목록
변칙 검색 범주에는 다음 모듈이 포함됩니다.
- 1클래스 지원 벡터 머신: 변칙 검색을 위한 1클래스 지원 벡터 머신 모델을 만듭니다.
- PCA 기반 변칙 검색: 주 구성 요소 분석을 사용하여 변칙 검색 모델을 만듭니다.