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PAI-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]。
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Python脚本V2组件，配置该组件参数。您可以使用Python脚本V2组件进行Python代码调用，详情请参见Python脚本V2。
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)