Het onderdeel Anomaliedetectiemodel trainen
In dit artikel wordt beschreven hoe u het onderdeel Anomaliedetectiemodel trainen in Azure Machine Learning Designer gebruikt om een getraind anomaliedetectiemodel te maken.
Het onderdeel neemt als invoer een set parameters voor een anomaliedetectiemodel en een niet-gelabelde gegevensset. Het retourneert een getraind anomaliedetectiemodel, samen met een set labels voor de trainingsgegevens.
Zie op PCA gebaseerde anomaliedetectiedetectie voor meer informatie over de algoritmen voor anomaliedetectie in de ontwerpfunctie.
Anomaliedetectiemodel trainen configureren
Voeg het onderdeel Train Anomaly Detection Model toe aan uw pijplijn in de ontwerpfunctie. U vindt dit onderdeel in de categorie Anomaliedetectie .
Verbind een van de onderdelen die zijn ontworpen voor anomaliedetectie, zoals op PCA gebaseerde anomaliedetectie.
Andere typen modellen worden niet ondersteund. Wanneer u de pijplijn uitvoert, krijgt u de foutmelding 'Alle modellen moeten hetzelfde type leren hebben'.
Configureer het onderdeel anomaliedetectie door de labelkolom te kiezen en andere parameters in te stellen die specifiek zijn voor het algoritme.
Koppel een trainingsgegevensset aan de rechterkant van het Train Anomaly Detection Model.
Verzend de pijplijn.
Resultaten
Nadat de training is voltooid:
Als u de parameters van het model wilt weergeven, klikt u met de rechtermuisknop op het onderdeel en selecteert u Visualiseren.
Als u voorspellingen wilt maken, gebruikt u het onderdeel Score Model met nieuwe invoergegevens.
Als u een momentopname van het getrainde model wilt opslaan, selecteert u het onderdeel. Selecteer vervolgens het pictogram Gegevensset registreren op het tabblad Uitvoer+logboeken in het rechterdeelvenster.
Volgende stappen
Bekijk de set onderdelen die beschikbaar zijn voor Azure Machine Learning.
Zie Uitzonderingen en foutcodes voor de ontwerpfunctie voor een lijst met fouten die specifiek zijn voor de onderdelen van de ontwerpfunctie.