One-Class SVM流式异常检测 (OcsvmOutlierStreamOp)

Java 类名：com.alibaba.alink.operator.stream.outlier.OcsvmOutlierStreamOp

Python 类名：OcsvmOutlierStreamOp

功能介绍

与传统SVM不同的是，one-class SVM是一种非监督的学习算法，经常被用来做异常点检测。在该算法的训练集中只有一类positive（或者negative）的数据，而没有（或存在极少量）另外一类，通常称其为异常点。该算法需要学习（learn）的就是边界（boundary），而不是最大间隔（maximum margin），通过边界对异常点进行预测。

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	✓
coef0	Kernel函数的相关参数coef0	Kernel函数的相关参数，只有在POLY和SIGMOID时起作用。	Double			0.0
degree	多项式阶数	多项式的阶数，默认2	Integer		x >= 1	2
epsilon	收敛阈值	迭代方法的终止判断阈值，默认值为 1.0e-6	Double		x >= 0.0	1.0E-6
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
gamma	Kernel函数的相关参数gamma	Kernel函数的相关参数，只在 RBF, POLY 和 SIGMOID 时起作用. 如果不设置默认取 1/d，d为特征维度.	Double			-1.0
groupCols	分组列名数组	分组列名，多列，可选，默认不选	String[]			null
kernelType	核函数类型	核函数类型，可取为“RBF”，“POLY”，“SIGMOID”，“LINEAR”	String		“RBF”, “POLY”, “SIGMOID”, “LINEAR”	“RBF”
nu	异常点比例上界参数nu	该参数取值范围是(0,1)，该值与支持向量的数目正向相关。	Double			0.01
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
precedingRows	数据窗口大小	数据窗口大小	Integer			null
precedingTime	时间窗口大小	时间窗口大小	String			null
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
timeCol	时间戳列(TimeStamp)	时间戳列(TimeStamp)	String			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