ANOMALY_DETECTION¶

構文¶

CREATE [ OR REPLACE ] SNOWFLAKE.ML.ANOMALY_DETECTION <name>(
  INPUT_DATA => <reference_to_training_data>,
  [ SERIES_COLNAME => '<series_column_name>', ]
  TIMESTAMP_COLNAME => '<timestamp_column_name>',
  TARGET_COLNAME => '<target_column_name>',
  LABEL_COLNAME => '<label_column_name>',
  [ CONFIG_OBJECT => <config_object> ]
)
[ [ WITH ] TAG ( <tag_name> = '<tag_value>' [ , <tag_name> = '<tag_value>' , ... ] ) ]
[ COMMENT = '<string_literal>' ]

パラメーター¶

name

異常検出オブジェクトの識別子（名前）を指定します。オブジェクトが作成されるスキーマに対して一意にする必要があります。

また、識別子はアルファベット文字で始まる必要があり、識別子文字列全体が二重引用符で囲まれていない限り、スペースや特殊文字を含めることはできません（例: "My object"）。二重引用符で囲まれた識別子も大文字と小文字が区別されます。詳細については、 識別子の要件 をご参照ください。

コンストラクター引数¶

必須:

INPUT_DATA => reference_to_training_data

モデルのトレーニングデータを返すテーブル、ビュー、クエリへの 参照 を指定します。

この参照を作成するには、 SYSTEM$REFERENCE または SYSTEM$QUERY_REFERENCE を呼び出します。

TIMESTAMP_COLNAME => 'timestamp_column_name'

時系列データのタイムスタンプ（TIMESTAMP_NTZ）を含む列の名前を指定します。

TARGET_COLNAME => 'target_column_name'

分析するデータ（NUMERIC または FLOAT）を含む列の名前を指定します。

LABEL_COLNAME => 'label_column_name'

データのラベルを含む列の名前を指定します。ラベルは、指定の行が既知の異常であるかどうかを示すブール値（true/false）です。ラベル付きデータがない場合は、この引数に空の文字列（''）を渡します。

オプション:

SERIES_COLNAME => 'series_column_name'

系列の識別子を含む列の名前（複数時系列の場合）。この列は、任意の種類の値、または配列内にある複数列からの値の組み合わせである可能性があるため、 VARIANT にする必要があります。

CONFIG_OBJECT => config_object

モデルトレーニングジョブの構成に使用されるキーと値のペアを含む OBJECT。

キー	型	デフォルト	説明
on_error	STRING	'ABORT'	トレーニングのエラー処理メソッドを指定する文字列（定数）。これは、複数の系列をトレーニングする場合に最も役に立ちます。サポートされる値は次のとおりです。 'abort': いずれかの時系列でエラーが発生した場合、トレーニングを中断します。 'skip': トレーニングでエラーが発生した時系列はスキップします。これにより、他の時系列でもトレーニングを成功させることができます。モデルのトレーニング中にどの系列が失敗したかを確認するには、モデルの <name>!SHOW_TRAINING_LOGS メソッドを呼び出します。

使用上の注意¶

• TIMESTAMP_COLNAME、 TARGET_COLNAME、または LABEL_COLNAME 引数で指定された列名が、 INPUT_DATA 引数で指定されたテーブル、ビュー、またはクエリに存在しない場合はエラーが発生します。

• クラスインスタンスの 複製 は現在サポートされていません。

構文¶

SHOW SNOWFLAKE.ML.ANOMALY_DETECTION [ LIKE <pattern> ];
  [ IN
      {
        ACCOUNT                  |

        DATABASE                 |
        DATABASE <database_name> |

        SCHEMA                   |
        SCHEMA <schema_name>     |
        <schema_name>
      }
   ]

パラメーター¶

LIKE 'pattern'

オプションで、オブジェクト名でコマンド出力をフィルタリングします。フィルターは、 SQL ワイルドカード文字（% および _）をサポートする、 大文字と小文字を区別しない パターンマッチングを使用します。

たとえば、次のパターンは 同じ 結果を返します。

... LIKE '%testing%' ...

... LIKE '%TESTING%' ...

. デフォルト: 値なし（フィルタリングは出力に非適用）。

[ IN ... ]

オプションで、コマンドのスコープを指定します。次のいずれかを指定します。

ACCOUNT

アカウント全体の記録を返します。

DATABASE、 . DATABASE db_name

現在使用中のデータベースまたは指定されたデータベース（db_name）の記録を返します。

db_name なしで DATABASE を指定し、かつデータベースが使用されていない場合、キーワードは出力に影響しません。

SCHEMA、 . SCHEMA schema_name、 . schema_name

現在使用中のスキーマまたは指定されたスキーマ（schema_name）の記録を返します。

データベースが使用中の場合、または完全修飾 schema_name （例: db.schema） を指定する場合、 SCHEMA はオプションです。

データベースが使用されていない場合は、 SCHEMA を指定しても出力には影響しません。

デフォルト: セッションで現在使用中のデータベースがあるかどうかによって異なります。

• データベース: DATABASE がデフォルトです（つまり、コマンドはデータベースで表示する権限を持つオブジェクトを返します）。

• データベースなし: ACCOUNT はデフォルトです（つまり、コマンドは、アカウントで表示する権限を持つオブジェクトを返します）。

出力¶

次の列のモデルプロパティとメタデータ:

構文¶

DROP SNOWFLAKE.ML.ANOMALY_DETECTION [IF EXISTS] <name>;

パラメーター¶

name

ドロップするモデルの識別子を指定します。識別子にスペース、特殊文字、または大文字と小文字が混在する場合は、文字列全体を二重引用符で囲む必要があります。二重引用符で囲まれた識別子も大文字と小文字が区別されます。

モデル識別子が完全修飾されていない場合（db_name.schema_name.name または schema_name.name の形式）、コマンドは、セッションの現在のスキーマにあるモデルを探します。

構文¶

<name>!DETECT_ANOMALIES(
  INPUT_DATA => <reference_to_data_to_analyze>,
  TIMESTAMP_COLNAME => '<timestamp_column_name>',
  TARGET_COLNAME => '<target_column_name>',
  [ CONFIG_OBJECT => <configuration_object>, ]
  [ SERIES_COLNAME => '<series_column_name>' ]
)

引数¶

必須:

INPUT_DATA => reference_to_data_to_analyze

分析するデータを返すテーブル、ビュー、クエリへの 参照。

TIMESTAMP_COLNAME => 'timestamp_column_name'

時系列データのタイムスタンプ（TIMESTAMP_NTZ）を含む列の名前。

TARGET_COLNAME => 'target_column_name'

分析するデータを含む列の名前（NUMERIC または FLOAT 型）。

オプション:

SERIES_COLNAME => 'series_column_name'

系列の識別子を含む列の名前（複数時系列の場合）。この列は、任意の種類の値、または配列内にある複数列からの値である可能性があるため、 VARIANT にする必要があります。

CONFIG_OBJECT => config_object

異常検出ジョブの構成に使用されるキーと値のペアを含む OBJECT。

キー	型	デフォルト	説明
prediction_interval	FLOAT	0.99	異常としてマークするオブザベーションの割合を指定する0から1の間の値。 より厳密ではない異常検出（つまり、異常としてマークされたオブザベーションを少なく識別する）には、より高い値を指定します。 より厳密な異常検出（つまり、より多くのオブザベーションを異常として識別する）には、この値を減らします。
on_error	STRING	'ABORT'	異常検出タスクのエラー処理を指定する文字列（定数）。これは、複数の系列の異常を検出する場合に最も役に立ちます。サポートされる値は次のとおりです。 'abort': いずれかの時系列でエラーが発生した場合、操作を中断します。 'skip': 異常検知でエラーが発生した時系列はスキップします。これにより、他の時系列でも異常検知を成功させることができます。失敗した系列は出力から除外されます。

出力¶

この関数は、次の列を返します。

使用上の注意¶

• CREATE SNOWFLAKE.ML.ANOMALY_DETECTION コマンド（INPUT_DATA コンストラクター引数）で指定されたデータの列は、このメソッドの INPUT_DATA 引数で指定されたデータの列と一致する必要があります。

  たとえば、 CREATE SNOWFLAKE.ML.ANOMALY_DETECTION コマンドに SERIES_COLNAME 引数を渡した場合は、このメソッドにも SERIES_COLNAME 引数を渡す必要があります。コマンドで SERIES_COLNAME 引数を省略した場合は、ここでもその引数を省略する必要があります。

• TIMESTAMP_COLNAME または TARGET_COLNAME 引数で指定された列名が、 INPUT_DATA 引数で指定されたテーブル、ビュー、またはクエリに存在しない場合はエラーが発生します。

構文¶

<name>!EXPLAIN_FEATURE_IMPORTANCE();

出力¶

構文¶

<name>!SHOW_TRAINING_LOGS();

出力¶

SERIES 列は複数系列モデルにのみ存在します。単一系列モデルにはこの列はありません。