异常检测_人工智能平台 PAI(PAI)-阿里云帮助中心

异常检测用于检测连续值和枚举值类特征的数据，帮助您挖掘数据中的异常点。异常检测用于识别数据集中与正常模式显著不同的数据点或模式，适用于连续值和枚举值类特征的数据。通过检测和分析这些异常点，可帮助用户挖掘潜在的错误、欺诈或其他异常事件，提高数据分析的准确性和可靠性。

组件配置

方式一：可视化方式

在Designer工作流页面添加异常检测组件，并在界面右侧配置相关参数：

参数

描述

特征列

指定要进行异常检测的特征列。

异常检测方法

选择检测的方法，取值：

箱型图：用于检测连续值类特征的数据，根据箱线图最大值和最小值检测异常特征。
Attribute Value Frequency：用于检测枚举值类特征的数据，根据枚举特征的取值频率及阈值检测异常特征。

方式二：PAI命令方式

使用PAI命令配置异常检测组件参数。您可以使用SQL脚本组件进行PAI命令调用，详情请参见场景4：在SQL脚本组件中执行PAI命令。

PAI -name fe_detect_runner -project algo_public
     -DselectedCols="emp_var_rate,cons_price_rate,cons_conf_idx,euribor3m,nr_employed" \
     -Dlifecycle="28"
     -DdetectStrategy="boxPlot"
     -DmodelTable="pai_temp_2458_23565_2"
     -DinputTable="pai_bank_data"
     -DoutputTable="pai_temp_2458_23565_1";

参数名称	是否必选	参数描述
inputTable	是	输入表的表名。
inputTablePartitions	否	系统默认选择所有分区。指定输入表的分区：指定单个分区，格式为`partition_name=value`。指定多个分区，格式为`name1=value1,name2=value2`，多个分区之间用英文逗号（,）分隔。指定多级分区，格式为`name1=value1/name2=value2`。
selectedCols	是	输入特征，字段类型没有限制。
detectStrategy	是	系统支持Box-plot和AVF选项。Box-plot用于检测连续值类特征。AVF用于检测枚举值类特征。
outputTable	是	异常检测结果数据集，即检测到异常特征的数据集。
modelTable	是	异常检测模型。
lifecycle	否	输出表的生命周期，系统默认为7。
coreNum	否	节点个数，与参数memSizePerCore配对使用，取值范围[1,9999]。
memSizePerCore	否	单个结点内存大小，取值范围[2048,64 *1024]，单位MB。