Onderdeel Anomaliedetectiemodel trainen
In dit artikel wordt beschreven hoe u het onderdeel Anomaliedetectiemodel trainen in de Azure Machine Learning-ontwerpfunctie gebruikt om een getraind anomaliedetectiemodel te maken.
Het onderdeel gebruikt als invoer een set parameters voor een anomaliedetectiemodel en een niet-gelabelde gegevensset. Het retourneert een getraind anomaliedetectiemodel, samen met een set labels voor de trainingsgegevens.
Zie Op PCA gebaseerde anomaliedetectie voor meer informatie over de anomaliedetectiealgoritmen die in de ontwerpfunctie worden geleverd.
Anomaliedetectiemodel trainen configureren
Voeg het onderdeel Anomaliedetectiemodel trainen toe aan uw pijplijn in de ontwerpfunctie. U vindt dit onderdeel in de categorie Anomaliedetectie .
Sluit een van de onderdelen aan die zijn ontworpen voor anomaliedetectie, zoals op PCA gebaseerde anomaliedetectie.
Andere typen modellen worden niet ondersteund. Wanneer u de pijplijn uitvoert, krijgt u de fout 'Alle modellen moeten hetzelfde type leerling hebben'.
Configureer het onderdeel anomaliedetectie door de labelkolom te kiezen en andere parameters in te stellen die specifiek zijn voor het algoritme.
Koppel een trainingsgegevensset aan de rechterinvoer van Anomaliedetectiemodel trainen.
Verzend de pijplijn.
Resultaten
Nadat de training is voltooid:
Als u de parameters van het model wilt weergeven, klikt u met de rechtermuisknop op het onderdeel en selecteert u Visualiseren.
Als u voorspellingen wilt maken, gebruikt u het onderdeel Score Model met nieuwe invoergegevens.
Als u een momentopname van het getrainde model wilt opslaan, selecteert u het onderdeel. Selecteer vervolgens het pictogram Gegevensset registreren onder het tabblad Uitvoer en logboeken in het rechterdeelvenster.
Volgende stappen
Bekijk de set onderdelen die beschikbaar zijn voor Azure Machine Learning.
Zie Uitzonderingen en foutcodes voor de ontwerper voor een lijst met fouten die specifiek zijn voor de onderdelen van de ontwerpfunctie.