Обнаружение аномалий
Важно!
Поддержка Студии машинного обучения (классической) будет прекращена 31 августа 2024 г. До этой даты рекомендуется перейти на Машинное обучение Azure.
Начиная с 1 декабря 2021 года вы не сможете создавать новые ресурсы Студии машинного обучения (классической). Существующие ресурсы Студии машинного обучения (классическая версия) можно будет использовать до 31 августа 2024 г.
- См. сведения о перемещении проектов машинного обучения из ML Studio (классической) в Машинное обучение Azure.
- См. дополнительные сведения о Машинном обучении Azure.
Поддержка документации по ML Studio (классической) прекращается, а сама документация может не обновляться в будущем.
Примечание
применимо к: только Машинное обучение Studio (классическая модель)
Подобные модули перетаскивания доступны в конструкторе машинного обучения Azure.
в этой статье представлены модули, предоставляемые в Машинное обучение Studio (классическая модель) для обнаружения аномалий. Обнаружение аномалий включает в себя ряд важных задач машинного обучения:
- Выявление потенциально мошеннических транзакций.
- Изучение шаблонов, которые указывают, что произошли сетевые атаки.
- Поиск аномальных кластеров пациентов.
- Проверка значений, введенных в систему.
Так как аномалии по определению довольно-таки редкие события, со сборкой репрезентативной выборки данных, используемых для моделирования, могут быть трудности. Алгоритмы, включенные в эту категорию, специально разработаны для решения основных проблем разработки и обучения моделей с использованием несбалансированных наборов данных.
Модули обнаружения аномалий
Машинное обучение Studio (классическая модель) предоставляет следующие модули, которые можно использовать для создания модели обнаружения аномалий. Просто перетащите модуль в свой эксперимент, чтобы начать работу с моделью.
После установки параметров модели необходимо обучить модель с помощью набора данных с меткой и учебного модуля обучение модели обнаружения аномалий . Результатом является обученная модель, которую можно использовать для тестирования новых данных. Для этого используйте модуль Оценка модели для всех целей.
пример совместной работы этих модулей см. в разделе " обнаружение аномалий: эксперимент по кредитовому риску " в Cortana Intelligence Gallery.
Связанные задачи
Обнаружение аномалий временных рядов — это новый модуль, который немного отличается от других моделей обнаружения аномалий. Модуль обнаружения аномалий временных рядов предназначен для данных временных рядов. Он предназначен для анализа тенденций с течением времени. Алгоритм определяет потенциально аномальные тенденции в данных временных рядов. Он помечает отклонения от направления или величины тренда.
Azure также предоставляет Машинное обучение API обнаружения аномалий, который можно вызвать как веб-службу.
Список модулей
Категория обнаружение аномалий включает следующие модули:
- Одноклассовая поддержка векторного компьютера: создает модель одноклассового компьютера с поддержкой векторной поддержки для обнаружения аномалий.
- Обнаружение аномалий на основе PCA: создает модель обнаружения аномалий с помощью анализа основных компонентов.