Java 类名：com.alibaba.alink.operator.batch.outlier.SosOutlierBatchOp
Python 类名：SosOutlierBatchOp
SOS (Stochastic Outlier Selection）是一种affinity based离群点检测算法。
它通常用于过滤掉噪音样本，从而使得机器学习的模型更准确。
| 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 | ✓ | ||
| 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 | ||
| 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 | |||
| perplexity | 邻近因子 | 邻近因子。它的近似含义是当某个点的近邻个数小于“邻近因子”个时，这个点的离群score会比较高。 | Double | 4.0 | ||
| 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 |