Опции моделей выявления аномалий

Имя модели. Можно сгенерировать имя модели автоматически на основе поля назначения или поля ID (либо типа модели в случае, если никакое из этих полей не задано) либо задать пользовательское имя.

Определить значение отсечения для аномалии на основе. Задает метод, используемый для определения значения отсечения, при котором следует отмечать аномалии. Доступны следующие параметры:

• Минимальный уровень индекса аномальности. Задает минимальное пороговое значение для отметки аномалий. Будут отмечены записи, отвечающие этому порогу или превышающие его.
• Процент наиболее аномальных записей в данных обучения. Автоматически устанавливает порог на уровне, при котором отмечается заданный процент записей в обучающих данных. Полученный в результате порог отсечения включается в модель в качестве параметра. Обратите внимание на то, что эта опция определяет, как задается пороговое значение, а не фактический процент записей, отмечаемых при скоринге. Фактические результаты скоринга могут быть различными в зависимости от данных.
• Число наиболее аномальных записей в данных обучения. Автоматически устанавливает порог на уровне, при котором отмечается заданное число записей в обучающих данных. Полученный в результате порог включается в модель в качестве параметра. Обратите внимание на то, что эта опция определяет, как задается пороговое значение, а не конкретное число записей, отмечаемых при скоринга. Фактические результаты скоринга могут быть различными в зависимости от данных.

Примечание: Независимо от того, как определяется значение отсечения, оно не влияет на исходное значение индекса аномальности, выводимое для каждой записи. Оно просто задает порог, при котором записи отмечаются как аномальные при оценке или скоринге модели. Если в дальнейшем вы захотите проверить большее или меньшее количество записей, воспользуйтесь узлом Выбрать для определения поднабора записей по значению индекса аномальности ($O-AnomalyIndex > X).

Число полей аномалий к отчету. Задает число выводимых в отчете полей как указание, почему конкретная запись отмечена как аномальная. В отчете выводятся самые аномальные поля, то есть демонстрирующие наибольшее отклонение от нормального значения поля для кластера, которому назначена запись.