Deteksi Anomali
Penting
Dukungan untuk Studio Azure Machine Learning (klasik) akan berakhir pada 31 Agustus 2024. Sebaiknya Anda transisi ke Azure Machine Learning sebelum tanggal tersebut.
Mulai 1 Desember 2021, Anda tidak akan dapat membuat sumber daya Studio Azure Machine Learning (klasik) baru. Hingga 31 Agustus 2024, Anda dapat terus menggunakan sumber daya Pembelajaran Mesin Studio (klasik) yang ada.
- Lihat informasi tentang memindahkan proyek pembelajaran mesin dari ML Studio (klasik) ke Azure Machine Learning.
- Mer informasjon tentang Azure Machine Learning.
ML Dokumentasi Studio (klasik) sedang berhenti dan mungkin tidak diperbarui di masa mendatang.
Catatan
Berlaku untuk: Pembelajaran Mesin Studio (klasik) saja
Modul drag-and-drop serupa tersedia di Azure Machine Learning desainer.
Artikel ini memperkenalkan modul yang disediakan di Pembelajaran Mesin Studio (klasik) untuk deteksi anomali. Deteksi anomali mencakup banyak tugas penting dalam pembelajaran mesin:
- Mengidentifikasi transaksi yang berpotensi penipuan.
- Pembelajaran pola yang menunjukkan bahwa intrusi jaringan telah terjadi.
- Menemukan kelompok pasien yang abnormal.
- Memeriksa nilai yang dimasukkan ke dalam sistem.
Karena anomali adalah peristiwa langka menurut definisi, mungkin sulit untuk mengumpulkan sampel data yang representatif untuk digunakan untuk pemodelan. Algoritma yang termasuk dalam kategori ini telah dirancang khusus untuk mengatasi tantangan inti dari model bangunan dan pelatihan dengan menggunakan kumpulan data yang tidak seimbang.
Modul deteksi anomali
Pembelajaran Mesin Studio (klasik) menyediakan modul berikut yang dapat Anda gunakan untuk membuat model deteksi anomali. Cukup seret modul ke dalam eksperimen Anda untuk mulai bekerja dengan model.
Setelah mengatur parameter model, Anda harus melatih model dengan menggunakan kumpulan data berlabel dan modul pelatihan Train Anomaly Detection Model . Hasilnya adalah model terlatih yang dapat Anda gunakan untuk menguji data baru. Untuk melakukan ini, gunakan modul Model Skor serba guna.
Untuk contoh bagaimana modul ini bekerja sama, lihat eksperimen Deteksi Anomali: Risiko Kredit di Galeri Intelijen Cortana.
Tugas terkait
Deteksi Anomali Deret Waktu adalah modul baru yang sedikit berbeda dari model deteksi anomali lainnya. Modul Deteksi Anomali Deret Waktu dirancang untuk data deret waktu. Ini dimaksudkan untuk digunakan untuk menganalisis tren dari waktu ke waktu. Algoritma ini mengidentifikasi tren yang berpotensi anomali dalam data deret waktu. Ini menandai penyimpangan dari arah atau besarnya tren.
Azure juga menyediakan API Deteksi Anomali Pembelajaran Mesin, yang dapat Anda sebut sebagai layanan web.
Daftar modul
Kategori Deteksi Anomali mencakup modul berikut:
- Mesin Vektor Dukungan Satu Kelas: Membuat model mesin vektor dukungan satu kelas untuk deteksi anomali.
- Deteksi Anomali Berbasis PCA: Membuat model deteksi anomali dengan menggunakan Analisis Komponen Utama.