Eseguire il training del componente modello di rilevamento anomalie
Questo articolo descrive come usare il componente Train Anomaly Detection Model (Esegui training del modello di rilevamento anomalie) nella finestra di progettazione di Azure Machine Learning per creare un modello di rilevamento anomalie sottoposto a training.
Il componente accetta come input un set di parametri per un modello di rilevamento anomalie e un set di dati senza etichetta. Restituisce un modello di rilevamento anomalie sottoposto a training, insieme a un set di etichette per i dati di training.
Per altre informazioni sugli algoritmi di rilevamento anomalie forniti nella finestra di progettazione, vedere Rilevamento anomalie basato su PCA.
Come configurare il modello di rilevamento anomalie di training
Aggiungere il componente Train Anomaly Detection Model (Esegui training del modello di rilevamento anomalie) alla pipeline nella finestra di progettazione. È possibile trovare questo componente nella categoria Rilevamento anomalie.
Connettere uno dei componenti progettati per il rilevamento anomalie, ad esempio il rilevamento anomalie basato su PCA.
Altri tipi di modelli non sono supportati. Quando si esegue la pipeline, viene visualizzato l'errore "Tutti i modelli devono avere lo stesso tipo di apprendimento".
Configurare il componente di rilevamento anomalie scegliendo la colonna etichetta e impostando altri parametri specifici per l'algoritmo.
Collegare un set di dati di training all'input sul lato destro del modello di rilevamento anomalie di training.
Inviare la pipeline.
Risultati
Al termine del training:
Per visualizzare i parametri del modello, fare clic con il pulsante destro del mouse sul componente e scegliere Visualizza.
Per creare stime, usare il componente Score Model con nuovi dati di input.
Per salvare uno snapshot del modello sottoposto a training, selezionare il componente. Selezionare quindi l'icona Registra set di dati nella scheda Output e log nel pannello a destra.
Passaggi successivi
Vedere il set di componenti disponibili per Azure Machine Learning.
Vedere Eccezioni e codici di errore per la finestra di progettazione per un elenco di errori specifici dei componenti della finestra di progettazione.