Anomaliedetectiemodel trainen
Belangrijk
De ondersteuning voor Azure Machine Learning-studio (klassiek) eindigt op 31 augustus 2024. U wordt aangeraden om vóór die datum over te stappen naar Azure Machine Learning.
Vanaf 1 december 2021 kunt u geen nieuwe resources voor Azure Machine Learning-studio (klassiek) meer maken. Tot en met 31 augustus 2024 kunt u de bestaande resources van Azure Machine Learning-studio (klassiek) blijven gebruiken.
- Zie informatie over het verplaatsen machine learning van ML Studio (klassiek) naar Azure Machine Learning.
- Meer informatie over Azure Machine Learning.
De documentatie van ML-studio (klassiek) wordt buiten gebruik gesteld en wordt in de toekomst mogelijk niet meer bijgewerkt.
Traint een anomaliedetectiemodel op een trainingsset
Categorie: Machine Learning/trainen
Notitie
Van toepassing op: Machine Learning Studio (klassiek)
Vergelijkbare modules voor slepen en neerzetten zijn beschikbaar in Azure Machine Learning designer.
Moduleoverzicht
In dit artikel wordt beschreven hoe u de module Train Anomaly Detection Model in Machine Learning een getraind anomaliedetectiemodel maakt.
De module neemt als invoer een set modelparameters voor het anomaliedetectiemodel, zoals die is geproduceerd door de module One-Class Support Vector Machine , en een niet-gelabelde gegevensset. Het retourneert een getraind anomaliedetectiemodel, samen met een set labels voor de trainingsgegevens.
Zie de volgende onderwerpen voor meer informatie over de algoritmen voor anomaliedetectie in Machine Learning:
Anomaliedetectiemodel trainen configureren
Voeg de module Anomaliedetectiemodel trainen toe aan uw experiment in Studio (klassiek). U vindt de module onder Machine Learning, in de categorie Trainen.
Verbinding maken een van de modules die zijn ontworpen voor anomaliedetectie, zoals PCA-Gebaseerde anomaliedetectie of One-Class Support Vector Machine.
Andere typen modellen worden niet ondersteund; Bij het uitvoeren van het experiment krijgt u de foutmelding: Alle modellen moeten hetzelfde type leerder hebben.
Configureer de anomaliedetectiemodule door de labelkolom te kiezen en andere parameters in te stellen die specifiek zijn voor het algoritme.
Koppel een trainingsset aan de rechterinvoer van Train Anomaly Detection Model.
Voer het experiment uit.
Resultaten
Nadat de training is voltooid:
Als u de parameters van het model wilt weergeven, klikt u met de rechtermuisknop op de module en selecteert u Visualiseren.
Als u voorspellingen wilt maken, gebruikt u Score Model met nieuwe invoergegevens.
Als u een momentopname van het getrainde model wilt opslaan, klikt u met de rechtermuisknop op de uitvoer van het getrainde model en selecteert u Opslaan als.
Voorbeelden
Voor een voorbeeld van hoe anomaliedetectie wordt geïmplementeerd in Machine Learning, zie de Azure AI Gallery:
On-line fraudedetectie: biedt een gedetailleerd overzicht van een scenario voor anomaliedetectie, waaronder het engineeren van functies en het interpreteren van de resultaten van een algoritme.
Anomaliedetectie: Kredietrisico: illustreert hoe u de modules One-Class Support Vector Machine en PCA-Based Anomaly Detection gebruikt voor fraudedetectie.
Verwachte invoer
| Naam | Type | Description |
|---|---|---|
| Niet-getraind model | ILearner-interface | Model voor ongetrainde anomaliedetectie |
| Gegevensset | Gegevenstabel | Invoergegevensbron |
Uitvoerwaarden
| Naam | Type | Description |
|---|---|---|
| Getraind model | ILearner-interface | Getraind anomaliedetectiemodel |
Uitzonderingen
| Uitzondering | Description |
|---|---|
| Fout 0003 | Uitzondering treedt op als een of meer invoer null of leeg zijn. |
Zie Foutcodes voor een lijst met fouten die specifiek zijn Machine Learning voor Studio-modules (klassiek).
Zie Foutcodes voor een lijst Machine Learning REST API API-uitzonderingen.