Trainieren eines Anomalieerkennungsmodells

Trainiert ein Modell zur Anomalieerkennung für einen Trainings Satz.

Kategorie: Machine Learning/Train

Hinweis

Gilt für: Machine Learning Studio (klassisch)

Dieser Inhalt bezieht sich nur auf Studio (klassisch). Ähnliche Drag & Drop-Module wurden Azure Machine Learning-Designer hinzugefügt. Weitere Informationen finden Sie in diesem Artikel zum Vergleich der beiden Versionen.

Modulübersicht

In diesem Artikel wird beschrieben, wie Sie mit dem Modul Train anomalieerkennungs-Modell in Azure Machine Learning ein trainiertes Modell zur Erkennung von Anomalien erstellen.

Das Modul übernimmt als Eingabe eine Reihe von Modellparametern für das Modell zur Anomalieerkennung, wie z. b. das vom Modul für die einmalige Unterstützung Vector Machine und ein DataSet ohne Bezeichnung. Es gibt ein trainiertes Anomalieerkennungsmodell sowie einen Satz von Bezeichnungen für die Trainingsdaten zurück.

Weitere Informationen zu den Algorithmen zur Anomalieerkennung in Azure Machine Learning finden Sie in den folgenden Themen:

Konfigurieren des Moduls zum Trainieren eines Anomalieerkennungsmodells

  1. Fügen Sie das Modul Train anomalieerkennungs-Modell zu Ihrem Experiment in Studio (klassisch) hinzu. Sie finden das Modul unter Machine Learning in der Kategorie Train .

  2. Verbinden Sie eines der Module, die für die Anomalieerkennung entwickelt wurden, wie z. b. die PCA-basierte Anomalieerkennung oder ein One-Class

    Andere Modelltypen werden nicht unterstützt. Wenn Sie das Experiment ausführen, wird der folgende Fehler angezeigt: alle Modelle müssen denselben Lerner-Typ aufweisen.

  3. Konfigurieren Sie das Modul zur Anomalieerkennung, indem Sie die Bezeichnungsspalte auswählen und andere, für den Algorithmus spezifische Parameter festlegen.

  4. Fügen Sie ein Trainings Dataset an die Rechte Eingabe für das Modell zur Erkennung der Anomalieerkennung an.

  5. Führen Sie das Experiment aus.

Ergebnisse

Nach Abschluss des Trainings:

  • Um die Modellparameter anzuzeigen, klicken Sie mit der rechten Maustaste auf das Modul, und wählen Sie Visualisieren aus.

  • Verwenden Sie zum Erstellen von Vorhersagen das Score Model mit neuen Eingabedaten.

  • Zum Speichern einer Momentaufnahme des trainierten Modells klicken Sie mit der rechten Maustaste auf die Ausgabe des trainierten Modells , und wählen Sie Speichern unter aus.

Beispiele

Ein Beispiel für die Implementierung der Anomalieerkennung in Azure Machine Learning finden Sie unter Azure AI Gallery:

Erwartete Eingaben

Name Typ BESCHREIBUNG
Untrainiertes Modell ILearner-Schnittstelle Untrainiertes Modell zur Erkennung von Anomalien
Dataset Datentabelle Eingabedatenquelle

Ausgaben

Name Typ BESCHREIBUNG
Trainiertes Modell ILearner-Schnittstelle Trainiertes Modell zur Erkennung von Anomalien

Ausnahmen

Ausnahme Beschreibung
Fehler 0003 Eine Ausnahme tritt auf, wenn mindestens eine Eingabe NULL oder leer ist.

Eine Liste der Fehler, die für Studio-Module (klassisch) spezifisch sind, finden Sie unter Machine Learning Fehlercodes.

Eine Liste der API-Ausnahmen finden Sie unter Machine Learning Rest-API-Fehler Codes.

Weitere Informationen

Trainieren
Erkennung von Anomalien