局部核密度估计异常检测 (KdeOutlierBatchOp)

Java 类名：com.alibaba.alink.operator.batch.outlier.KdeOutlierBatchOp

Python 类名：KdeOutlierBatchOp

功能介绍

KDE（Kernel Density Estimation核密度估计）是一种通过数据样本集，得到总体的概率分布的非参数估计方法。KDE异常检测算法将概率密度小的点视为异常点。

算法原理

该组件以每个点的数据、带宽作为参数，根据设置的核函数（高斯核或线性核）估计样本中每个数据点及其附近的概率密度函数。

• 带宽(bandwidth)：带宽设的越小，误差越小，但方差越大，KDE整体曲线就越陡峭，反之，就越平坦。不同的带宽对拟合结果的影响可能很大。
• 核函数(kernel)：用来对每个数据点得到光滑的、积分为1的概率密度估计。

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
bandwidth	KDE带宽	核密度函数带宽参数	Double	✓	x >= 0.0
predictionCol	预测结果列名	预测结果列名	String	✓
distanceType	距离度量方式	聚类使用的距离类型	String		“EUCLIDEAN”, “COSINE”, “INNERPRODUCT”, “CITYBLOCK”, “JACCARD”, “PEARSON”	“EUCLIDEAN”
featureCols	特征列名数组	特征列名数组，默认全选	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
kernelType	核密度函数类型	核密度函数类型，可取为“GAUSSIAN”，“LINEAR”	String		“GAUSSIAN”, “LINEAR”	“GAUSSIAN”
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
numNeighbors	相邻点个数	计算KDE时使用的相邻点个数(默认使用全部点)	Integer			-1
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
tensorCol	tensor列	tensor列	String		所选列类型为 [BOOL_TENSOR, BYTE_TENSOR, DOUBLE_TENSOR, FLOAT_TENSOR, INT_TENSOR, LONG_TENSOR, STRING, STRING_TENSOR, TENSOR, UBYTE_TENSOR]	null
vectorCol	向量列名	向量列对应的列名，默认值是null	String		所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR]	null
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

import pandas as pd
df = pd.DataFrame([
                [-1.1],
                [0.2],
                [101.1],
                [0.3]
        ])

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

outlierOp = KdeOutlierBatchOp()\
			.setFeatureCols(["val"])\
			.setBandwidth(4.0)\
			.setOutlierThreshold(15.0)\
			.setPredictionCol("pred")\
			.setPredictionDetailCol("pred_detail")

dataOp.link(outlierOp).print()

Java 代码

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.outlier.KdeOutlierBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

public class KdeOutlierBatchOpTest {

	@Test
	public void testBatchOp() throws Exception {
		BatchOperator <?> data = new MemSourceBatchOp(
			new Object[][] {
				{-1.1},
				{0.2},
				{101.1},
				{0.3}}
			, new String[] {"val"}
		);

		KdeOutlierBatchOp kdeOutlierBatchOp = new KdeOutlierBatchOp()
			.setBandwidth(4.)
			.setOutlierThreshold(15.)
			.setFeatureCols("val")
			.setPredictionCol("pred")
			.setPredictionDetailCol("pred_detail")
			.linkFrom(data)
			.print();
	}
}

运行结果

val	pred	pred_detail
-1.1	false	{“outlier_score”:“13.881629239608612”,“KDE”:“0.0720376537032619”,“is_outlier”:“false”}
0.2	false	{“outlier_score”:“13.603363005188747”,“KDE”:“0.07351123392197714”,“is_outlier”:“false”}
101.1	true	{“outlier_score”:“40.106052394096”,“KDE”:“0.02493389252508955”,“is_outlier”:“true”}
0.3	false	{“outlier_score”:“13.640235707107605”,“KDE”:“0.07331251610842206”,“is_outlier”:“false”}