局部异常因子异常检测_人工智能平台 PAI(PAI)-阿里云帮助中心

局部异常因子异常检测根据数据样本的局部异常因子值（Local Outlier Factor, LOF）判断样本是否异常。本文为您介绍局部异常因子异常检测的参数配置。

使用限制

支持运行的计算资源为MaxCompute。

组件配置

您可以通过以下任意一种方式，配置局部异常因子异常检测参数。

方式一：可视化方式

在Designer工作流页面配置组件参数。

页签	参数名称	描述
字段设置	特征列名数组	特征列名的数组。
	分组列名数组	分组列名的数组。
	tensor列	tensor列。
	向量列名	向量列对应的列名。
参数设置	预测结果列名	预测结果列的列名。
	距离度量方式	聚类使用的距离类型，默认为EUCLIDEAN。取值如下： EUCLIDEAN COSINE INNERPRODUCT CITYBLOCK JACCARD PEARSON
	每组最大异常点数目	每组最大的异常点数目。
	最大异常点比例	算法检测异常点的最大比例。
	每组最大样本数目	每组最大的样本数目。
	相邻点个数	构造近邻图使用的相邻点个数，默认为5。
	异常评分阈值	当评分大于该阈值时，判定为异常点。
	预测详细信息列名	预测详细信息列的列名。
	组件多线程线程个数	组件多线程的线程个数，默认为1。
执行调优	节点个数	节点个数，与参数单个节点内存大小配对使用，正整数。范围[1, 9999]。
执行调优	单个节点内存大小，单位M	单个节点内存大小，单位MB，正整数。范围[1024, 64*1024]。

方式二：Python代码方式

使用PyAlink脚本组件配置该组件参数。您可以使用PyAlink脚本组件进行Python代码调用，详情请参见PyAlink脚本。

参数名称	是否必选	描述	默认值
predictionCol	是	预测结果列的列名。	无
distanceType	否	聚类使用的距离类型，取值如下： EUCLIDEAN COSINE INNERPRODUCT CITYBLOCK JACCARD PEARSON	EUCLIDEAN
featureCols	否	特征列名数组。	全选
groupCols	否	分组列名，支持多列。	无
maxOutlierNumPerGroup	否	每组最大的异常点数目。	无
maxOutlierRatio	否	算法检测异常点的最大比例。	无
maxSampleNumPerGroup	否	每组最大的样本数目。	无
outlierThreshold	否	当评分大于该阈值时，判定为异常点。	无
predictionDetailCol	否	预测详细信息列的列名。	无
tensorCol	否	tensor列。	无
vectorCol	否	向量列对应的列名。	无
numNeighbors	否	构造近邻图使用的相邻点个数。	5
numThreads	否	组件多线程的线程个数。	1

Python代码方式的使用示例如下。

import pandas as pd
df = pd.DataFrame([
[0.73, 0],
[0.24, 0],
[0.63, 0],
[0.55, 0],
[0.73, 0],
[0.41, 0]
])

dataOp = BatchOperator.fromDataframe(df, schemaStr='val double, label int')

outlierOp = LofOutlierBatchOp()\
    .setFeatureCols(["val"])\
    .setOutlierThreshold(3.0)\
    .setPredictionCol("pred")\
    .setPredictionDetailCol("pred_detail")

evalOp = EvalOutlierBatchOp()\
    .setLabelCol("label")\
    .setPredictionDetailCol("pred_detail")\
    .setOutlierValueStrings(["1"])

metrics = dataOp\
    .link(outlierOp)\
    .link(evalOp)\
    .collectMetrics()

print(metrics)