이상 감지

참고

적용 대상: Machine Learning Studio (클래식)

이 콘텐츠는 Studio (클래식)에만 해당 됩니다. Azure Machine Learning 디자이너에는 비슷한 끌어서 놓기 모듈이 추가 되었습니다. 이 문서에서는 두 가지 버전을 비교 하는방법에 대해 자세히 알아보세요.

이 문서에서는 변칙 검색을 위해 Azure Machine Learning Studio (클래식)에서 제공 되는 모듈을 소개 합니다. 변칙 검색은 다음과 같은 기계 학습의 여러 중요한 작업을 포함합니다.

  • 잠재적으로 사기성이 있는 트랜잭션 식별.
  • 네트워크 침입이 발생했음을 나타내는 학습 패턴.
  • 비정상적인 환자 클러스터 찾기.
  • 시스템에 입력된 값 확인.

변칙은 정의상 거의 발생하지 않으므로 모델링에 사용할 데이터의 대표 샘플을 수집하기 어려울 수 있습니다. 이 범주에 포함된 알고리즘은 특히 불균형 데이터 세트를 사용하여 모델을 빌드하고 학습시키는 핵심 과제를 해결하도록 설계되었습니다.

변칙 검색 모듈

Machine Learning Studio (클래식)은 변칙 검색 모델을 만드는 데 사용할 수 있는 다음 모듈을 제공 합니다. 모듈을 실험으로 끌어서 모델 작업을 시작 하면 됩니다.

모델 매개 변수를 설정한 후 레이블이 지정 된 데이터 집합 및 변칙 검색 모델 학습 모듈을 사용 하 여 모델을 학습 해야 합니다. 결과는 새 데이터를 테스트 하는 데 사용할 수 있는 학습 된 모델입니다. 이렇게 하려면 모든 용도의 모델 점수 매기기 모듈을 사용 합니다.

이러한 모듈이 함께 작동 하는 방법에 대 한 예제는 변칙 검색: Cortana Intelligence Gallery의 신용 위험 실험을 참조 하세요.

시계열 변칙 검색 은 다른 변칙 검색 모델과 약간 다른 새 모듈입니다. 시계열 변칙 검색 모듈은 시계열 데이터를 위해 설계 되었습니다. 시간에 따른 추세를 분석 하는 데 사용 됩니다. 알고리즘은 시계열 데이터에서 잠재적으로 비정상적인 추세를 식별 합니다. 추세의 방향 또는 크기의 편차에 플래그를 합니다.

또한 Azure는 웹 서비스로 호출할 수 있는 Machine Learning 변칙 검색 API를 제공 합니다.

변칙 검색이 데이터에 사용할 올바른 알고리즘 인지 확실 하지 않은 경우 다음 가이드를 참조 하세요.

모듈 목록

변칙 검색 범주에는 다음 모듈이 포함 됩니다.

참고 항목