2024年9月4日 --- リアルワールドデータからの異常検出モデルのトレーニングが容易に¶

異常検出 ML 関数に前処理機能が含まれるようになったことをお知らせします。これにより、トレーニングデータに欠落、重複、ずれた時間ステップがある場合でも、異常検出モデルのトレーニングを成功させることができるようになりました。以前は、リアルワールドデータでよくあるこうした問題が、モデルのトレーニングを妨げていました。新しい前処理機能により、以下を実現できます。

• モデルがイベント周期を推測できなかったり、正しく推測できなかったりした場合に、手動でイベント周期を指定する。

• 欠落したターゲット値を周辺の時間ステップから自動的に補間する。

• 標準的なイベント周期以外で発生したイベントのディメンションの値を集計する。値の型や列ごとに集計動作を指定するか、デフォルトを使用することができます。

このような補正が比較的少ない場合、検出精度に顕著な影響はありません。

詳細については、 時系列予測における現実世界のデータの取り扱い をご参照ください。