次の方法で共有


異常検出

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。

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。

この記事では、異常検出のために Machine Learning Studio (クラシック) に用意されているモジュールについて説明します。 異常検出には、機械学習における多くの重要なタスクが含まれています。

  • 不正な可能性があるトランザクションを識別します。
  • ネットワークへの侵入が発生していることを示唆するパターンを学習します。
  • 患者の異常なクラスターを検出します。
  • システムに入力された値をチェックします。

異常とは定義上はまれに発生するイベントであるため、モデル化するために使用する代表的なデータ サンプルを収集するのは困難です。 このカテゴリに含まれるアルゴリズムは、不均衡なデータセットの使用によるモデルの構築とトレーニングという主要な課題に対処するように特別に設計されています。

異常検出モジュール

Machine Learning Studio (クラシック) には、異常検出モデルを作成するために使用できる次のモジュールが用意されています。 モジュールを実験にドラッグするだけで、モデルの操作を開始できます。

モデルパラメーターを設定した後、ラベル付きデータセットと、 異常検出モデル のトレーニングモジュールを使用して、モデルをトレーニングする必要があります。 その結果、新しいデータをテストするために使用できるトレーニング済みのモデルが作成されます。 これを行うには、[すべての目的] モデル のモジュールを使用します。

これらのモジュールを連携させる方法の例については、「異常検出: Cortana Intelligence Gallery でのクレジットリスク実験」を参照してください。

時系列の異常検出 は、他の異常検出モデルとは少し異なる新しいモジュールです。 タイムシリーズの異常検出モジュールは、時系列データ用に設計されています。 これは、を使用して時間の経過に伴う傾向を分析することを目的としています。 このアルゴリズムでは、時系列データ内の異常な傾向が特定されます。 傾向の方向または大きさから逸脱します。

Azure には、web サービスとして呼び出すことができるMachine Learning 異常検出 APIも用意されています。

モジュールの一覧

異常検出カテゴリには、次のモジュールが含まれています。

こちらもご覧ください