Detecção de anomalias

Observação

Aplica-se a: Machine Learning Studio (clássico)

Esse conteúdo pertence apenas ao estúdio (clássico). Módulos de arrastar e soltar semelhantes foram adicionados ao designer de Azure Machine Learning. Saiba mais neste artigo comparando as duas versões.

Este artigo apresenta os módulos fornecidos no Azure Machine Learning Studio (clássico) para detecção de anomalias. A detecção de anomalias abrange várias tarefas importantes no aprendizado de máquina:

  • Identificar transações que são potencialmente fraudulentas.
  • Aprender padrões que indicam que ocorreu uma invasão da rede.
  • Localizar clusters anormais de pacientes.
  • Verificar valores inseridos em um sistema.

Como as anomalias são eventos raros por definição, pode ser difícil coletar um exemplo representativo dos dados para usar na modelagem. Os algoritmos incluídos nesta categoria foram especialmente projetados para abordar os principais desafios de criar e treinar modelos usando conjuntos de dados desequilibrados.

Módulos de detecção de anomalias

Machine Learning Studio (clássico) fornece os seguintes módulos que você pode usar para criar um modelo de detecção de anomalias. Basta arrastar o módulo para o experimento para começar a trabalhar com o modelo.

Depois de definir os parâmetros do modelo, você deve treinar o modelo usando um conjunto de dados rotulado e o módulo treinar treinamento de modelo de detecção de anomalias . O resultado é um modelo treinado que você pode usar para testar novos dados. Para fazer isso, use o módulo modelo de Pontuação de todas as finalidades.

Para obter um exemplo de como esses módulos funcionam juntos, consulte detecção de anomalias: teste de risco de crédito na Cortana Intelligence Gallery.

A detecção de anomalias de série temporal é um novo módulo que é um pouco diferente dos outros modelos de detecção de anomalias. O módulo detecção de anomalias de série temporal é projetado para dados de série temporal. Ele se destina a usar o para analisar as tendências ao longo do tempo. O algoritmo identifica tendências potencialmente anormais nos dados de série temporal. Ele sinaliza desvios da direção ou da magnitude da tendência.

O Azure também fornece a API de detecção de anomalias Machine Learning, que você pode chamar como um serviço Web.

Dica

Se você não tiver certeza se a detecção de anomalias é o algoritmo correto a ser usado com seus dados, consulte estes guias:

Lista de módulos

A categoria de detecção de anomalias inclui os seguintes módulos:

Confira também