Eseguire il training del modello di rilevamento anomalie
Importante
Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.
A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).
- Vedere leinformazioni sullo spostamento di progetti di Machine Learning da ML Studio (versione classica) ad Azure Machine Learning.
- Altre informazioni sulle Azure Machine Learning.
La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.
Training di un modello di rilevamento anomalie in un set di training
Categoria: Machine Learning/Train
Nota
Si applica a: Machine Learning Studio (versione classica)
Nella finestra di progettazione sono disponibili moduli simili Azure Machine Learning trascinamento della selezione.
Panoramica del modulo
Questo articolo descrive come usare il modulo Train Anomaly Detection Model (Training del modello di rilevamento anomalie) in Machine Learning per creare un modello di rilevamento anomalie con training.
Il modulo accetta come input un set di parametri del modello per il modello di rilevamento anomalie, ad esempio quello prodotto dal modulo One-Class Support Vector Machine e un set di dati senza etichetta. Restituisce un modello di rilevamento anomalie con training, insieme a un set di etichette per i dati di training.
Per altre informazioni sugli algoritmi di rilevamento anomalie forniti in Machine Learning, vedere questi argomenti:
PCA-Based Anomaly Detection (Rilevamento anomalie basato su PCA)
Come configurare il training del modello di rilevamento anomalie
Aggiungere il modulo Train Anomaly Detection Model (Training del modello di rilevamento anomalie) all'esperimento in Studio (versione classica). È possibile trovare il modulo in Machine Learning, nella categoria Train (Training).
Connessione uno dei moduli progettati per il rilevamento anomalie, ad esempio il rilevamento anomalie basato su PCA o la macchina a vettori di supporto di una classe.
Altri tipi di modelli non sono supportati. Durante l'esecuzione dell'esperimento verrà visualizzato l'errore: Tutti i modelli devono avere lo stesso tipo di apprendimento.
Configurare il modulo di rilevamento anomalie scegliendo la colonna etichetta e impostando altri parametri specifici dell'algoritmo.
Collegare un set di dati di training all'input a destra del modello di rilevamento anomalie di training.
Eseguire l'esperimento.
Risultati
Al termine del training:
Per visualizzare i parametri del modello, fare clic con il pulsante destro del mouse sul modulo e scegliere Visualizza.
Per creare stime, usare Score Model con nuovi dati di input.
Per salvare uno snapshot del modello con training, fare clic con il pulsante destro del mouse sull'output del modello con training e scegliere Salva con nome.
Esempio
Per un esempio di implementazione del rilevamento anomalie in Machine Learning, vedere l'Azure AI Gallery:
Rilevamento di frodi online: fornisce una procedura dettagliata di uno scenario di rilevamento anomalie, tra cui come progettare le funzionalità e interpretare i risultati di un algoritmo.
Rilevamento anomalie: rischio di credito: illustra come usare i moduli One-Class Support Vector Machine e PCA-Based Anomaly Detection per il rilevamento delle frodi.
Input previsti
| Nome | Tipo | Descrizione |
|---|---|---|
| Untrained model | ILearner interface | Modello di rilevamento di anomalie senza training |
| Set di dati | Tabella dati | Origine dati di input |
Output
| Nome | Tipo | Descrizione |
|---|---|---|
| Trained model | ILearner interface | Modello di rilevamento di anomalie con training |
Eccezioni
| Eccezione | Descrizione |
|---|---|
| Errore 0003 | L'eccezione si verifica se uno o più input sono null o vuoti. |
Per un elenco di errori specifici dei moduli di Studio (versione classica), vedere l'Machine Learning codici di errore.
Per un elenco delle eccezioni API, vedere l'Machine Learning di errore dell'API REST.