训练异常情况检测模型

重要

对机器学习工作室（经典）的支持将于 2024 年 8 月 31 日结束。 建议在该日期之前转换到 Azure 机器学习。

从 2021 年 12 月 1 日开始，你将无法创建新的机器学习工作室（经典）资源。 在 2024 年 8 月 31 日之前，可继续使用现有的机器学习工作室（经典）资源。

• 请参阅有关将机器学习项目从 ML 工作室（经典）移到 Azure 机器学习的信息。
• 详细了解 Azure 机器学习。

ML 工作室（经典）文档即将停用，将来可能不会更新。

在定型集上训练异常检测模型

类别：机器学习/定型

注意

适用于：仅限机器学习 Studio (经典)

可在 Azure 机器学习设计器中获取类似的拖放模块。

模块概述

本文介绍如何使用机器学习中的 "训练异常情况检测模型" 模块来创建定型的异常情况检测模型。

该模块将为异常检测模型（例如由 单类支持向量机 模块生成的模型参数）和未标记的数据集生成一组模型参数。 它将返回已训练的异常情况检测模型，以及训练数据的一组标签。

有关机器学习中提供的异常情况检测算法的详细信息，请参阅以下主题：

• 单类支持向量机

• 基于 PCA 的异常情况检测

如何配置“训练异常情况检测模型”模块

1. 将 训练异常检测模型 模块添加到 Studio 中的试验 (经典) 。 您可以在 "训练" 类别中的 "机器学习" 下找到该模块。

2. 连接为异常检测而设计的模块之一，例如基于 PCA 的异常检测或单类支持向量机。

   不支持其他类型的模型;在运行试验时，会收到错误：所有模型必须具有相同的学习器类型。

3. 通过选择标签列并设置特定于算法的其他参数来配置异常情况检测模块。

4. 将定型数据集附加到 训练异常检测模型的右侧输入。

5. 运行试验。

结果

在训练完成后：

• 若要查看模型的参数，请右键单击模块，并选择“可视化”。

• 若要创建预测，请将 评分模型 用于新的输入数据。

• 若要保存训练的模型的快照，请右键单击 训练的模型 输出，并选择 " 另存为"。

示例

有关如何在机器学习中实现异常检测的示例，请参阅Azure AI 库：

• 在线欺诈检测：提供异常检测方案的详细演练，包括如何工程功能并解释算法的结果。

• 异常情况检测：信用风险：说明如何使用 单类支持向量机 和 基于 PCA 的异常情况检测 模块来检测欺诈行为。

预期输入

名称	类型	说明
未训练的模型	ILearner 接口	未训练的异常检测模型
数据集	数据表	输入的数据源

Outputs

名称	类型	说明
已训练模型	ILearner 接口	训练的异常检测模型

例外

异常	描述
错误 0003	如果一个或多个输入为 NULL 或为空，将出现异常。

有关特定于 Studio (经典) 模块的错误列表，请参阅机器学习错误代码。

有关 API 异常的列表，请参阅机器学习 REST API 错误代码。

另请参阅

训练
异常检测