Träna komponenten Avvikelseidentifieringsmodell
Den här artikeln beskriver hur du använder komponenten Train Anomaly Detection Model i Azure Machine Learning-designern för att skapa en tränad modell för avvikelseidentifiering.
Komponenten tar som indata en uppsättning parametrar för en avvikelseidentifieringsmodell och en omärkt datauppsättning. Den returnerar en tränad modell för avvikelseidentifiering tillsammans med en uppsättning etiketter för träningsdata.
Mer information om algoritmerna för avvikelseidentifiering som tillhandahålls i designern finns i PCA-baserad avvikelseidentifiering.
Så här konfigurerar du train anomaly detection model (Träna avvikelseidentifieringsmodell)
Lägg till komponenten Train Anomaly Detection Model (Träna avvikelseidentifieringsmodell) i pipelinen i designern. Du hittar den här komponenten i kategorin Avvikelseidentifiering .
Anslut en av komponenterna som är utformade för avvikelseidentifiering, till exempel PCA-baserad avvikelseidentifiering.
Andra typer av modeller stöds inte. När du kör pipelinen får du felet "Alla modeller måste ha samma typ av elev".
Konfigurera komponenten för avvikelseidentifiering genom att välja etikettkolumnen och ange andra parametrar som är specifika för algoritmen.
Koppla en träningsdatauppsättning till höger indata i Train Anomaly Detection Model.
Skicka pipelinen.
Resultat
När träningen är klar:
Om du vill visa modellens parametrar högerklickar du på komponenten och väljer Visualisera.
Om du vill skapa förutsägelser använder du komponenten Poängsätta modell med nya indata.
Om du vill spara en ögonblicksbild av den tränade modellen väljer du komponenten. Välj sedan ikonen Registrera datauppsättning under fliken Utdata+loggar på den högra panelen.
Nästa steg
Se den uppsättning komponenter som är tillgängliga för Azure Machine Learning.
Se Undantag och felkoder för designern för en lista över fel som är specifika för designerkomponenterna.