定型異常偵測模型
重要
Machine Learning 工作室 (傳統) 的支援將於 2024 年 8 月 31 日結束。 建議您在該日期之前轉換成 Azure Machine Learning。
自 2021 年 12 月 1 日起，您將無法建立新的 Machine Learning 工作室 (傳統) 資源。 在 2024 年 8 月 31 日之前，您可以繼續使用現有的 Machine Learning 工作室 (傳統) 資源。
ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。
訓練定型集上的異常偵測模型
類別：機器學習/定型
模組概觀
本文描述如何使用機器學習中的 [定型異常偵測模型] 模組，建立定型的異常偵測模型。
模組會使用異常偵測模型的一組模型參數做為輸入，例如由 單一類別支援向量機器 模組所產生，以及未標記的資料集。 然後傳回定型的異常偵測模型，以及定型資料的一組標籤。
如需機器學習中提供的異常偵測演算法的詳細資訊，請參閱下列主題：
如何設定定型異常偵測模型
將 [ 定型異常偵測模型 ] 模組新增至您在 Studio (傳統) 中的實驗。 您可以在 [定型] 類別目錄中的 [機器學習] 下找到此模組。
連線針對異常偵測而設計的其中一個模組，例如以PCA 為基礎的異常偵測或一部類別的支援向量機器。
不支援其他類型的模型;執行實驗時，您將會收到錯誤：所有模型的學習模組類型都必須相同。
選擇 [標籤] 資料行，並設定演算法特定的其他參數，以設定異常偵測模組。
將訓練資料集附加至 定型異常偵測模型的右手邊輸入。
執行實驗。
結果
定型完成後：
若要查看模型的參數，請以滑鼠右鍵按一下模組，然後選取 [ 視覺化]。
若要建立預測，請使用 分數模型 搭配新的輸入資料。
若要儲存定型模型的快照集，請以滑鼠右鍵按一下 定型的模型 輸出，然後選取 [ 另存新檔]。
範例
如需如何在機器學習中執行異常偵測的範例，請參閱Azure AI 資源庫：
預期的輸入
| 名稱 | 類型 | 描述 |
|---|---|---|
| 未定型的模型 | ILearner 介面 | 未訓練異常偵測模型 |
| 資料集 | 資料表 | 輸入資料來源 |
輸出
| 名稱 | 類型 | Description |
|---|---|---|
| 定型的模型 | ILearner 介面 | 已訓練異常偵測模型 |
例外狀況
| 例外狀況 | 描述 |
|---|---|
| 錯誤 0003 | 如果一或多個輸入為 Null 或空白，就會發生例外狀況。 |
如需 Studio (傳統) 模組特定的錯誤清單，請參閱機器學習錯誤碼。
如需 API 例外狀況的清單，請參閱機器學習 REST API 錯誤碼。