Заметка
Доступ к этой странице требует авторизации. Вы можете попробовать войти в систему или изменить каталог.
Доступ к этой странице требует авторизации. Вы можете попробовать сменить директорию.
Важно!
Поддержка Студии машинного обучения (классической) будет прекращена 31 августа 2024 г. До этой даты рекомендуется перейти на Машинное обучение Azure.
Начиная с 1 декабря 2021 года вы не сможете создавать новые ресурсы Студии машинного обучения (классической). Существующие ресурсы Студии машинного обучения (классическая версия) можно будет использовать до 31 августа 2024 г.
- См. сведения о перемещении проектов машинного обучения из ML Studio (классической) в Машинное обучение Azure.
- См. дополнительные сведения о Машинном обучении Azure.
Поддержка документации по ML Studio (классической) прекращается, а сама документация может не обновляться в будущем.
Примечание
применимо к: только Машинное обучение Studio (классическая модель)
Подобные модули перетаскивания доступны в конструкторе машинного обучения Azure.
в этой статье представлены модули, предоставляемые в Машинное обучение Studio (классическая модель) для обнаружения аномалий. Обнаружение аномалий включает в себя ряд важных задач машинного обучения:
- Выявление потенциально мошеннических транзакций.
- Изучение шаблонов, которые указывают, что произошли сетевые атаки.
- Поиск аномальных кластеров пациентов.
- Проверка значений, введенных в систему.
Так как аномалии по определению довольно-таки редкие события, со сборкой репрезентативной выборки данных, используемых для моделирования, могут быть трудности. Алгоритмы, включенные в эту категорию, специально разработаны для решения основных проблем разработки и обучения моделей с использованием несбалансированных наборов данных.
Модули обнаружения аномалий
Машинное обучение Studio (классическая модель) предоставляет следующие модули, которые можно использовать для создания модели обнаружения аномалий. Просто перетащите модуль в свой эксперимент, чтобы начать работу с моделью.
После установки параметров модели необходимо обучить модель с помощью набора данных с меткой и учебного модуля обучение модели обнаружения аномалий . Результатом является обученная модель, которую можно использовать для тестирования новых данных. Для этого используйте модуль Оценка модели для всех целей.
пример совместной работы этих модулей см. в разделе " обнаружение аномалий: эксперимент по кредитовому риску " в Cortana Intelligence Gallery.
Связанные задачи
Обнаружение аномалий временных рядов — это новый модуль, который немного отличается от других моделей обнаружения аномалий. Модуль обнаружения аномалий временных рядов предназначен для данных временных рядов. Он предназначен для анализа тенденций с течением времени. Алгоритм определяет потенциально аномальные тенденции в данных временных рядов. Он помечает отклонения от направления или величины тренда.
Azure также предоставляет Машинное обучение API обнаружения аномалий, который можно вызвать как веб-службу.
Список модулей
Категория обнаружение аномалий включает следующие модули:
- Одноклассовая поддержка векторного компьютера: создает модель одноклассового компьютера с поддержкой векторной поддержки для обнаружения аномалий.
- Обнаружение аномалий на основе PCA: создает модель обнаружения аномалий с помощью анализа основных компонентов.