BoxPlot异常检测 (BoxPlotOutlierBatchOp)

Java 类名：com.alibaba.alink.operator.batch.outlier.BoxPlotOutlierBatchOp
Python 类名：BoxPlotOutlierBatchOp

功能介绍

• BoxPlot算法又叫做箱线图算法, 是一种常用的异常检测算法.
• 它由五个数值点组成：最小值(min)，下四分位数(Q1)，中位数(median)，上四分位数(Q3)，最大值(max)，大于Q3 + K IQR和小于Q1 - K IQR的点定义为异常值(Outlier)。
• k通常取值为1.5或者3.

  参数说明

  | 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 | | —- | —- | —- | —- | —- | —- | —- | | predictionCol | 预测结果列名 | 预测结果列名 | String | ✓ | | | | direction | Not available! | Not available! | String | | “POSITIVE”, “NEGATIVE”, “BOTH” | “BOTH” | | featureCol | 特征列名 | 特征列名，默认选最左边的列 | String | | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | null | | groupCols | 分组列名数组 | 分组列名，多列，可选，默认不选 | String[] | | | null | | maxOutlierNumPerGroup | 每组最大异常点数目 | 每组最大异常点数目 | Integer | | | | | maxOutlierRatio | 最大异常点比例 | 算法检测异常点的最大比例 | Double | | | | | maxSampleNumPerGroup | 每组最大样本数目 | 每组最大样本数目 | Integer | | | | | outlierThreshold | 异常评分阈值 | 只有评分大于该阈值才会被认为是异常点 | Double | | | | | predictionDetailCol | 预测详细信息列名 | 预测详细信息列名 | String | | | | | numThreads | 组件多线程线程个数 | 组件多线程线程个数 | Integer | | | 1 |

代码示例

Python 代码

from pyalink.alink import *
import pandas as pd
useLocalEnv(1)
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 = BoxPlotOutlierBatchOp()\
            .setFeatureCol("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)

Java 代码

package com.alibaba.alink.operator.batch.outlier;
import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.evaluation.EvalOutlierBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import com.alibaba.alink.operator.common.evaluation.OutlierMetrics;
import com.alibaba.alink.testutil.AlinkTestBase;
import org.junit.Assert;
import org.junit.Test;
public class BoxPlotOutlierBatchOpTest extends AlinkTestBase {
    @Test
    public void test() throws Exception {
        BatchOperator <?> data = new MemSourceBatchOp(
            new Object[][] {
                {0.73, 0},
                {0.24, 0},
                {0.63, 0},
                {0.55, 0},
                {0.73, 0},
                {0.41, 0},
            },
            new String[]{"val", "label"});
        BatchOperator <?> outlier = new BoxPlotOutlierBatchOp()
            .setFeatureCol("val")
            .setOutlierThreshold(3.0)
            .setPredictionCol("pred")
            .setPredictionDetailCol("pred_detail");
        EvalOutlierBatchOp eval = new EvalOutlierBatchOp()
            .setLabelCol("label")
            .setPredictionDetailCol("pred_detail")
            .setOutlierValueStrings("1");
        OutlierMetrics metrics = data
            .link(outlier)
            .link(eval)
            .collectMetrics();
        Assert.assertEquals(1.0, metrics.getAccuracy(), 10e-6);
    }
}

运行结果