Oracle Cloud Infrastructureドキュメント

小さいデータセット内の異常の検出

異常検出の小さなデータセット内の異常を検出します。

異常検出サービスでは、モデルの予測を改善する方法を詳細に制御できます。感度値を変更すると、モデルの信頼度に基づいてレスポンスの異常の数を増減できます。検出された異常の異常スコアによって、異常のモデル信頼性が真のポジティブであることが決まります。スコアが高いほど、スコアが真のプラスになる可能性が高くなります。

    1. ナビゲーション・メニューを開き、「アナリティクスとAI」をクリックします。「AIサービス」で、「異常検出」をクリックします。
    2. 左側のナビゲーション・メニューで、「プロジェクト」をクリックします。
    3. 表示するモデルを含むプロジェクトを含むコンパートメントを選択します。
    4. プロジェクトの名前をクリックします。

      プロジェクトの詳細ページが開きます。

    5. 「詳細」で、「モデル」をクリックします。

      プロジェクトのモデルは、「異常検出モデル」表に表示されます。

    6. データセットを含むモデルの名前をクリックします。
    7. モデル詳細ページで、「異常の検出」をクリックします。
    8. 「異常の検出」ボックスにデータセットを含むCSVまたはJSONファイルを参照またはドラッグ・アンド・ドロップします。
    9. 「検出」をクリックします。

      異常は、ビジュアル化できる列のリストで表されます。

    10. 検出された異常を表示する列ラベルを選択します。

      各ビジュアライゼーションを表示するには、リストから別の列ラベルを選択します。

    11. 生成された異常JSONファイルを表示または使用する場合は、「JSONのダウンロード」をクリックします。

    特定された各異常の見積り値と実際の値はグラフにレンダリングされます。この差異は、異常の重大度を学習するために使用できます。

    特定のタイムスタンプで様々なシグナルから複数の異常が発生した場合は、特定された異常のシグナルをランク付けする異常スコアが指定されます。特定の期間のこれらの異常のグラフが表示され、特定のシグナルが時間の経過とともにスコアが高くなるかどうかを簡単に理解できます。

  • 異常を検出し、トレーニングされた異常検出モデルから結果を取得する場合は、このアプローチをお薦めします。

    1. 既存のOCIドキュメントの説明に従って、OCI CLIまたはSDKをダウンロードして構成します。
    2. HTTP POSTリクエストを作成してトレーニング済モデルを使用し、前のステップで受信したエンドポイントにリクエストを行います。
    3. HTTPレスポンスを解析して、アプリケーションで使用する結果を取得します。

    APIコールの例

    結果を検出および取得するには、次の異常検出コマンドおよび必須パラメータを使用します:

    1. モデルを取得します:

      https://anomalydetection.aiservice.us-phoenix-1.oci.oraclecloud.com/20210101/models/{ModelId}
 Method: GET
 Body:

    2. データとの同期を検出:

      https://anomalydetection.aiservice.us-phoenix-1.oci.oraclecloud.com/20210101/actions/detectAnomalies
 Method: POST
 Body: 
{
    "modelId": "ocid1.aimodel.oc1.phx.amaaaaaaor7l3jialglh5vnt2w3nj6zly4dpcjfex6lktujo24t5aklmn2ta",
    "requestType": "INLINE",
    "signalNames":["sensor1", "sensor2", "sensor3", "sensor4", "sensor5", "sensor6", "sensor7", "sensor8", "sensor9", "sensor10", "sensor11"],
    "data":[
        {"timestamp":"2023-01-17T20:44:46Z","values": [1,-9.6193,0.3208,0.6199,-0.4936,5.0697,-0.5063,0.4253,0.4864,-0.0798,0.0446]},
        {"timestamp":"2023-01-17T20:45:46Z","values": [1,9.4101,-0.3522,0.0942,-0.0564,null,0.0263,-0.3787,-0.8164,-0.6446,0.5502]},
        {"timestamp":"2023-01-17T20:46:46Z","values": [1,5.3969,-0.472,0.75,0.3282,6.5583,0.0238,-0.2817,-0.3909,0.8025,0.5054]},
        {"timestamp":"2023-01-17T20:47:46Z","values": [1,0.2148,-0.516,-0.0296,0.2276,5.7661,0.5468,0.534,0.2702,-0.4179,0.0011]}
    ]
}

  • 異常を検出し、トレーニングされた異常検出モデルから結果を取得する場合は、このアプローチをお薦めします。

    1. 既存のOCIドキュメントの説明に従って、OCI CLIまたはSDKをダウンロードして構成します。
    2. HTTP POSTリクエストを作成してトレーニング済モデルを使用し、前のステップで受信したエンドポイントにリクエストを行います。
    3. HTTPレスポンスを解析して、アプリケーションで使用する結果を取得します。

    APIコールの例

    DetectAnomalies操作を使用すると、結果を検出および取得するのに役立ちます。

    1. モデルを取得します:

      https://anomalydetection.aiservice.us-phoenix-1.oci.oraclecloud.com/20210101/models/{ModelId}
 Method: GET
 Body:

    2. データとの同期を検出:

      https://anomalydetection.aiservice.us-phoenix-1.oci.oraclecloud.com/20210101/actions/detectAnomalies
 Method: POST
 Body: 
{
    "modelId": "ocid1.aimodel.oc1.phx.amaaaaaaor7l3jialglh5vnt2w3nj6zly4dpcjfex6lktujo24t5aklmn2ta",
    "requestType": "INLINE",
    "signalNames":["sensor1", "sensor2", "sensor3", "sensor4", "sensor5", "sensor6", "sensor7", "sensor8", "sensor9", "sensor10", "sensor11"],
    "data":[
        {"timestamp":"2023-01-17T20:44:46Z","values": [1,-9.6193,0.3208,0.6199,-0.4936,5.0697,-0.5063,0.4253,0.4864,-0.0798,0.0446]},
        {"timestamp":"2023-01-17T20:45:46Z","values": [1,9.4101,-0.3522,0.0942,-0.0564,null,0.0263,-0.3787,-0.8164,-0.6446,0.5502]},
        {"timestamp":"2023-01-17T20:46:46Z","values": [1,5.3969,-0.472,0.75,0.3282,6.5583,0.0238,-0.2817,-0.3909,0.8025,0.5054]},
        {"timestamp":"2023-01-17T20:47:46Z","values": [1,0.2148,-0.516,-0.0296,0.2276,5.7661,0.5468,0.534,0.2702,-0.4179,0.0011]}
    ]
}