模型训练

将样例数据中的训练数据集加载至当前学件项目中，进行数据预处理和模型训练。

1. 单击代码框左下方的“加载数据”，弹出“加载数据”代码框。
   

   也可以单击界面右上角的，在弹出的算子框中，选择“学件 > 多层嵌套异常检测学件 > 加载数据”，添加“加载数据”代码框。

   需要配置的参数如下所示，其余参数保持默认值即可。

   • 数据集：从下拉框中选择数据集“samples”。
   • 数据集实例：从下拉框中选择训练数据“fcn_yahoo_train”。

2. 单击“加载数据”代码框左侧的图标。运行代码，绑定训练数据。
   运行成功后，可以查看训练数据，如图1所示。

   图1 查看训练数据
   

3. 单击界面左下角的“数据预处理”。
   弹出“数据预处理”代码框，如图2所示。

   

   也可以单击界面右上角的，在弹出的算子框中，选择“学件 > 多层嵌套异常检测学件 > 数据预处理”，添加“数据预处理”代码框。

   参数说明如下所示：

   • 指标列：保持默认值“value”。
   • 标签列：保持默认值“is_anomaly”。
   • 数据处理模式：保持默认值“训练”。
   图2 数据预处理
   

4. 单击“数据预处理”代码框左侧的图标。运行代码，对训练数据做数据预处理。
5. 单击界面左下角的“异常检测模型训练”，弹出“异常检测模型训练”代码框，如图3所示。
   请根据实际情况配置各个模型参数取值。

   

   也可以单击界面右上角的，在弹出的算子框中，选择“学件 > 多层嵌套异常检测学件 > 异常检测模型训练”，添加“异常检测模型训练”代码框。

   图3 异常检测模型训练
   

6. 单击“异常检测模型训练”代码框左侧的图标。等待模型训练完成。

   可以通过屏幕打印信息，查看模型训练过程。屏幕会依次打印400个Epochs的模型训练评估结果。