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

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。

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。
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。
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。
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。
実験を実行します。

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。

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。

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

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	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。