定型異常偵測模型

訓練定型集上的異常偵測模型

類別: 機器學習/定型

注意

適用于 : Machine Learning Studio (傳統)

此內容僅適用于 Studio (傳統) 。 Azure Machine Learning 設計工具中已新增類似的拖放模組。 若要深入瞭解 這兩個版本,請參閱這篇文章

模組概觀

本文說明如何使用 Azure Machine Learning 中的「 訓練異常偵測模型 」模組來建立定型的異常偵測模型。

模組會使用異常偵測模型的一組模型參數做為輸入,例如由 單一類別支援向量機器 模組所產生,以及未標記的資料集。 它會傳回定型的異常偵測模型,以及一組用於定型資料的標籤。

如需 Azure Machine Learning 中提供的異常偵測演算法的詳細資訊,請參閱下列主題:

如何設定定型異常偵測模型

  1. 將 [ 定型異常偵測模型 ] 模組新增至您在 Studio (傳統) 中的實驗。 您可以在 [定型] 類別中的 [機器學習 服務] 下找到此模組。

  2. 連接針對異常偵測而設計的其中一個模組,例如以 PCA 為基礎的異常偵測一類支援向量機器

    不支援其他類型的模型;執行實驗時,您將會收到錯誤:所有模型的學習模組類型都必須相同。

  3. 選擇 [標籤] 資料行,並設定演算法特定的其他參數,以設定異常偵測模組。

  4. 將訓練資料集附加至 定型異常偵測模型 的右手邊輸入。

  5. 執行實驗。

結果

定型完成後:

  • 若要查看模型的參數,請以滑鼠右鍵按一下模組,然後選取 [ 視覺化]。

  • 若要建立預測,請使用 分數模型 搭配新的輸入資料。

  • 若要儲存定型模型的快照集,請以滑鼠右鍵按一下 定型的模型 輸出,然後選取 [ 另存 新檔]。

範例

如需如何在 Azure Machine Learning 中執行異常偵測的範例,請參閱 AZURE AI 資源庫

預期的輸入

名稱 類型 Description
未定型的模型 ILearner 介面 未訓練異常偵測模型
資料集 資料表 輸入資料來源

輸出

名稱 類型 Description
定型的模型 ILearner 介面 已訓練異常偵測模型

例外狀況

例外狀況 描述
錯誤 0003 如果一或多個輸入為 Null 或空白,就會發生例外狀況。

如需 Studio (傳統) 模組特定的錯誤清單,請參閱 機器學習錯誤碼

如需 API 例外狀況的清單,請參閱 機器學習 REST API 錯誤碼

另請參閱

火車
異常偵測