다음을 통해 공유


이상 감지

중요

Machine Learning Studio(클래식)에 대한 지원은 2024년 8월 31일에 종료됩니다. 해당 날짜까지 Azure Machine Learning으로 전환하는 것이 좋습니다.

2021년 12월 1일부터 새로운 Machine Learning Studio(클래식) 리소스를 만들 수 없습니다. 2024년 8월 31일까지는 기존 Machine Learning Studio(클래식) 리소스를 계속 사용할 수 있습니다.

ML Studio(클래식) 설명서는 사용 중지되며 나중에 업데이트되지 않을 수 있습니다.

참고

적용 대상: Machine Learning Studio(클래식)

유사한 끌어서 놓기 모듈은 Azure Machine Learning 디자이너에서 사용할 수 있습니다.

이 문서에서는 변칙 검색을 위해 Machine Learning Studio(클래식)에 제공된 모듈을 소개합니다. 변칙 검색은 다음과 같은 기계 학습의 여러 중요한 작업을 포함합니다.

  • 잠재적으로 사기성이 있는 트랜잭션 식별.
  • 네트워크 침입이 발생했음을 나타내는 학습 패턴.
  • 비정상적인 환자 클러스터 찾기.
  • 시스템에 입력된 값 확인.

변칙은 정의상 거의 발생하지 않으므로 모델링에 사용할 데이터의 대표 샘플을 수집하기 어려울 수 있습니다. 이 범주에 포함된 알고리즘은 특히 불균형 데이터 세트를 사용하여 모델을 빌드하고 학습시키는 핵심 과제를 해결하도록 설계되었습니다.

변칙 검색 모듈

Machine Learning Studio(클래식)는 변칙 검색 모델을 만드는 데 사용할 수 있는 다음 모듈을 제공합니다. 모듈을 실험으로 끌어 모델 작업을 시작하기만 하면 됩니다.

모델 매개 변수를 설정한 후 레이블이 지정된 데이터 집합 및 변칙 검색 모델 학습 모듈을 사용하여 모델을 학습시켜야 합니다. 결과는 새 데이터를 테스트하는 데 사용할 수 있는 학습된 모델입니다. 이렇게 하려면 다목적 모델 점수 매기 기 모듈을 사용합니다.

이러한 모듈이 함께 작동하는 방법의 예는 Cortana Intelligence 갤러리의 변칙 검색: 신용 위험 실험을 참조하세요.

시계열 변칙 검색은 다른 변칙 검색 모델과 약간 다른 새로운 모듈입니다. 시계열 변칙 검색 모듈은 시계열 데이터를 위해 설계되었습니다. 시간이 지남에 따라 추세를 분석하는 데 사용하기 위한 것입니다. 이 알고리즘은 시계열 데이터의 잠재적인 비정상적인 추세를 식별합니다. 추세의 방향 또는 크기에서 편차에 플래그를 지정합니다.

또한 Azure는 웹 서비스로 호출할 수 있는 Machine Learning 변칙 검색 API를 제공합니다.

모듈 목록

변칙 검색 범주에는 다음 모듈이 포함됩니다.

참고 항목