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

功能介绍

DBSCAN,Density-Based Spatial Clustering of Applications with Noise,是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同,它将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇,并可在噪声的空间数据库中发现任意形状的聚类。
基于DBSCAN聚类的异常检测算法将规模过小的簇视为异常。

使用方法

使用DBSCAN算法进行异常检测需要设置聚类半径,距离计算方法和簇最小规模。
DBScan异常检测 (DbscanOutlierBatchOp) - 图1
当聚类半径设为0.1,用欧氏距离度量,簇最小规模为3时,如图是DBSCAN算法的异常检测效果,

距离度量方式

参数名称 参数描述 说明
EUCLIDEAN DBScan异常检测 (DbscanOutlierBatchOp) - 图2 欧式距离
COSINE DBScan异常检测 (DbscanOutlierBatchOp) - 图3 夹角余弦距离
CITYBLOCK DBScan异常检测 (DbscanOutlierBatchOp) - 图4= \vert x-c\vert) 街区距离

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
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
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
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

JAVA 代码