Anomaliedetectiemodel trainen

Traint een afwijkings detectie model in een Trainingsset

Categorie: machine learning/trein

Notitie

Van toepassing op : machine learning Studio (klassiek)

Deze inhoud is alleen van toepassing op Studio (klassiek). Er zijn Vergelijk bare modules voor slepen en neerzetten toegevoegd aan Azure Machine Learning Designer. In dit artikel vindt u meer informatie over de twee versies.

Module overzicht

In dit artikel wordt beschreven hoe u de model module voor het opsporen van detectie van traint in azure machine learning kunt gebruiken om een getraind anomalie detectie model te maken.

De module maakt als invoer een set model parameters voor het model voor anomalie detectie, zoals die door de computer module met één klasse ondersteuning en een niet- gelabelde gegevensset. Er wordt een getraind anomalie detectie model geretourneerd, samen met een set labels voor de trainings gegevens.

Zie de volgende onderwerpen voor meer informatie over de algoritmen voor anomalie detectie die zijn opgenomen in Azure Machine Learning:

Het detectie model voor het afwijkings proces van Train configureren

  1. Voeg de module afwijkings detectie model toe aan uw experiment in Studio (klassiek). U kunt de module onder machine learningvinden in de categorie trein .

  2. Verbind een van de modules die zijn ontworpen voor detectie van anomalieën, zoals op PCA gebaseerde anomalie detectie of computer met ondersteuning voor één klasse.

    Andere typen modellen worden niet ondersteund. bij het uitvoeren van het experiment krijgt u de volgende fout: alle modellen moeten hetzelfde informatie type hebben.

  3. Configureer de module anomalie detectie door de kolom label te kiezen en andere para meters in te stellen die specifiek zijn voor het algoritme.

  4. Een trainings gegevensset koppelen aan de rechter invoer van het model voor detectie van afwijkingen van Train.

  5. Voer het experiment uit.

Resultaten

Nadat de training is voltooid:

  • Als u de para meters van het model wilt weer geven, klikt u met de rechter muisknop op de module en selecteert u visualiseren.

  • Als u voor spellingen wilt maken, gebruikt u het score model met nieuwe invoer gegevens.

  • Als u een moment opname van het getrainde model wilt opslaan, klikt u met de rechter muisknop op de getrainde model uitvoer en selecteert u Opslaan als.

Voorbeelden

Voor een voor beeld van hoe afwijkings detectie in Azure Machine Learning wordt geïmplementeerd, raadpleegt u de Azure AI Gallery:

Verwachte invoer

Naam Type Beschrijving
Niet-traind model ILearner-interface Model voor afwijkings detectie van ontrain
Gegevensset Gegevens tabel Invoer gegevens bron

Outputs

Naam Type Beschrijving
Getraind model ILearner-interface Model voor afwijkings detectie van afgeleide

Uitzonderingen

Uitzondering Beschrijving
Fout 0003 Uitzonde ring treedt op als een of meer invoer waarden null of leeg zijn.

Zie machine learning fout codesvoor een lijst met fouten die specifiek zijn voor Studio-modules (Classic).

Zie Machine Learning rest API fout codesvoor een lijst met API-uitzonde ringen.

Zie ook

Leerling
Anomalie detectie