異常検出モデルのトレーニング

重要

Machine Learning Studio (クラシック) のサポートは、2024 年 8 月 31 日に終了します。 その日までに、Azure Machine Learning に切り替えすることをお勧めします。

2021 年 12 月 1 日以降、新しい Machine Learning Studio (クラシック) リソースは作成できません。 2024 年 8 月 31 日まで、既存の Machine Learning Studio (クラシック) リソースを引き続き使用できます。

ML Studio (クラシック) のドキュメントは廃止予定であり、今後更新されない可能性があります。

トレーニングセットで異常検出モデルをトレーニングする

カテゴリ: Machine Learning/トレーニング

注意

適用対象: Machine Learning Studio (クラシック)のみ

類似のドラッグ アンド ドロップ モジュールは Azure Machine Learning デザイナーで使用できます。

モジュールの概要

この記事では、Machine Learning の異常検出モデルのトレーニングモジュールを使用して、トレーニング済みの異常検出モデルを作成する方法について説明します。

モジュールは、 1 クラスサポートベクターマシン モジュールによって生成されたものなど、異常検出モデルのモデルパラメーターのセットと、ラベルのないデータセットを入力として受け取ります。 トレーニング済みの異常検出モデルがトレーニング データのラベル セットと共に返されます。

Machine Learning に用意されている異常検出アルゴリズムの詳細については、次のトピックを参照してください。

異常検出モデルのトレーニングを構成する方法

  1. 実験に [ 異常検出モデルのトレーニング ] モジュールを追加します。 [トレーニング] カテゴリの [ Machine Learning] の下にモジュールがあります。

  2. PCA ベースの異常検出や1 クラスサポートベクターマシンなど、異常検出用に設計されたモジュールの1つ Connect ます。

    その他の種類のモデルはサポートされていません。実験を実行すると、次のエラーが表示されます。すべてのモデルの学習器の種類が同じである必要があります。

  3. ラベル列を選択し、アルゴリズム固有のその他のパラメーターを設定することで、異常検出モジュールを構成します。

  4. トレーニングデータセットを、トレーニングの 異常検出モデルの右側の入力にアタッチします。

  5. 実験を実行します。

結果

トレーニングの完了後:

  • モデルのパラメーターを表示するには、モデルを右クリックし、 [Visualize]\(可視化\) を選択します。

  • 予測を作成するには、新しい入力データで [ モデルのスコア 付け] を使用します。

  • トレーニング済みのモデルのスナップショットを保存するには、トレーニング済みの モデル の出力を右クリックし、[名前を付け て保存] を選択します。

例

Machine Learning での異常検出の実装方法の例については、 Azure AI Galleryを参照してください。

想定される入力

名前 型 説明
未トレーニング モデル ILearner インターフェイス 未トレーニングの異常検出モデル
データセット データ テーブル 入力データ ソース

出力

名前 型 説明
トレーニングされたモデル ILearner インターフェイス トレーニング済みの異常検出モデル

例外

例外 説明
エラー 0003 1 つまたは複数の入力が null または空の場合、例外が発生します。

Studio (クラシック) モジュール固有のエラーの一覧については、「 Machine Learning エラーコード」を参照してください。

API 例外の一覧については、「 Machine Learning REST API のエラーコード」を参照してください。

こちらもご覧ください

トレーニング
異常検出

  • 最終更新: