ANOMALY_DETECTION (SNOWFLAKE.ML)¶
La détection des anomalies vous permet de détecter les valeurs aberrantes dans vos données de séries temporelles à l’aide d’un algorithme de machine learning. Vous utilisez CREATE SNOWFLAKE.ML.ANOMALY_DETECTION pour créer et effectuer l’apprentissage d’un modèle de détection, puis vous utilisez la méthode <nom_du_modèle>!DETECT_ANOMALIES pour détecter les anomalies.
Important
Avis juridique. Cette fonction ML de Snowflake est alimentée par une technologie de machine learning, dont vous, et non Snowflake, déterminez quand et comment l’utiliser. La technologie de machine learning et les résultats fournis peuvent être inexacts, incorrects ou biaisés. Snowflake vous fournit les modèles de machine learning que vous pouvez utiliser au sein de vos propres workflows. Les décisions basées sur les résultats du machine learning, y compris celles qui sont intégrées dans des pipelines automatiques, devraient être soumises à une supervision humaine et à des processus d’examen pour s’assurer que le contenu généré par le modèle est exact. Snowflake fournit des algorithmes (sans pré-entraînement) et vous êtes responsable des données que vous fournissez à l’algorithme (par exemple, pour l’entraînement et l’inférence) et des décisions que vous prenez en utilisant la sortie du modèle résultant. Les requêtes portant sur cette fonction sont traitées comme toute autre requête SQL et peuvent être considérées comme des métadonnées.
Métadonnées. Lorsque vous utilisez les fonctions ML de Snowflake, Snowflake connecte les messages d’erreur génériques renvoyés par une fonction ML. Ces journaux d’erreurs nous aident à résoudre les problèmes qui surviennent et à améliorer ces fonctions pour mieux répondre à vos demandes.
Pour plus d’informations, voir la FAQ relative à la confiance et à la sécurité concernant l’AI de Snowflake.