Anomali Algılama
Önemli
Machine Learning Stüdyosu (klasik) desteği 31 Ağustos 2024'te sona erecektir. Bu tarihe kadar Azure Machine Learning'e geçmenizi öneririz.
1 Aralık 2021'den başlayarak artık yeni Machine Learning Stüdyosu (klasik) kaynakları oluşturamayacaksınız. 31 Ağustos 2024'e kadar mevcut Machine Learning Stüdyosu (klasik) kaynaklarını kullanmaya devam edebilirsiniz.
- makine öğrenimi projelerini ML Studio (klasik) konumundan Azure Machine Learning taşımaya yönelik bilgilerebakın.
- Azure Machine Learninghakkında daha fazla bilgi edinin.
ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.
Not
uygulama hedefi: yalnızca Machine Learning Studio (klasik)
benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısındakullanılabilir.
bu makalede, anomali algılama için Machine Learning Studio 'da (klasik) sunulan modüller tanıtılmaktadır. Anomali algılama, Machine Learning 'de birçok önemli görevi kapsar:
- Potansiyel olarak sahte olan işlemleri tanımlama.
- bir ağ girişi gerçekleştiğini belirten desenler Learning.
- Anormal bir hastaların kümelerini bulma.
- Sisteme girilen değerler denetleniyor.
Anomali, tanıma göre nadir olaylar olduğundan, modelleme için kullanılacak verilerin temsili bir örneğini toplamak zor olabilir. Bu kategoriye dahil edilen algoritmalar, özellikle de imdendengelenmiş veri kümeleri kullanılarak modeller oluşturma ve eğitim konusunda temel zorlukları karşılamak üzere tasarlanmıştır.
Anomali algılama modülleri
Machine Learning Studio (klasik), anomali algılama modeli oluşturmak için kullanabileceğiniz aşağıdaki modülleri sağlar. Modelle çalışmaya başlamak için modülü denemenize sürüklemeniz yeterlidir.
Model parametrelerini ayarladıktan sonra, etiketli bir veri kümesi ve tren anomali algılama modeli eğitim modülünü kullanarak modeli eğmeniz gerekir. Sonuç, yeni verileri test etmek için kullanabileceğiniz eğitilen bir modeldir. Bunu yapmak için, tüm amaçlı puan modeli modülünü kullanın.
bu modüllerin birlikte nasıl çalıştığı hakkında bir örnek için, Cortana Intelligence Gallery anomali algılama: kredi Risk denemenize bakın.
İlişkili görevler
Zaman serisi anomali algılama , diğer anomali algılama modellerinden biraz farklı olan yeni bir modüldür. Zaman serisi anomali algılama modülü zaman serisi verileri için tasarlanmıştır. Zaman içinde eğilimleri çözümlemek için kullanılması amaçlanmıştır. Algoritma, zaman serisi verilerinde potansiyel olarak anormal eğilimleri tanımlar. Eğilimin yönü veya büyüklüğü arasındaki sapmaları işaretler.
Azure ayrıca, bir web hizmeti olarak çağırabilen Machine Learning anomali algılama apı'sini de sağlar.
Modül listesi
Anomali algılama kategorisi aşağıdaki modülleri içerir:
- Tek sınıf destek vektör makinesi: anomali algılama için tek sınıf bir destek vektör makine modeli oluşturur.
- PCA tabanlı anomali algılama: sorumlu bileşen analizini kullanarak bir anomali algılama modeli oluşturur.