Componente Modelo de Deteção de Anomalias do Trem
Este artigo descreve como usar o componente Train Anomaly Detection Model no designer do Azure Machine Learning para criar um modelo de deteção de anomalias treinado.
O componente toma como entrada um conjunto de parâmetros para um modelo de deteção de anomalias e um conjunto de dados não rotulado. Ele retorna um modelo de deteção de anomalias treinado, juntamente com um conjunto de rótulos para os dados de treinamento.
Para obter mais informações sobre os algoritmos de deteção de anomalias fornecidos no designer, consulte Deteção de anomalias baseada em PCA.
Como configurar o Modelo de Deteção de Anomalias de Trem
Adicione o componente Train Anomaly Detection Model ao seu pipeline no designer. Você pode encontrar esse componente na categoria Deteção de anomalias .
Conecte um dos componentes projetados para deteção de anomalias, como a deteção de anomalias baseada em PCA.
Outros tipos de modelos não são suportados. Ao executar o pipeline, você receberá o erro "Todos os modelos devem ter o mesmo tipo de aluno".
Configure o componente de deteção de anomalias escolhendo a coluna de rótulo e definindo outros parâmetros específicos para o algoritmo.
Anexe um conjunto de dados de treinamento à entrada do lado direito do Modelo de Deteção de Anomalias de Trem.
Envie o pipeline.
Resultados
Após a conclusão da formação:
Para visualizar os parâmetros do modelo, clique com o botão direito do mouse no componente e selecione Visualizar.
Para criar previsões, use o componente Modelo de pontuação com novos dados de entrada.
Para salvar um instantâneo do modelo treinado, selecione o componente. Em seguida, selecione o ícone Registrar conjunto de dados na guia Saídas+logs no painel direito.
Próximos passos
Consulte o conjunto de componentes disponíveis para o Azure Machine Learning.
Consulte Exceções e códigos de erro para o designer para obter uma lista de erros específicos para os componentes do designer.