Java 类名:com.alibaba.alink.operator.stream.outlier.IForestModelOutlierPredictStreamOp
Python 类名:IForestModelOutlierPredictStreamOp
功能介绍
iForest 可以识别数据中异常点,在异常检测领域有比较好的效果。算法使用 sub-sampling 方法,降低了算法的计算复杂度。
文献或出处
- Isolation Forest
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 | ✓ | | |
| modelFilePath | 模型的文件路径 | 模型的文件路径 | String | | | null |
| 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 | | | |
| reservedCols | 算法保留列名 | 算法保留列 | String[] | | | null |
| numThreads | 组件多线程线程个数 | 组件多线程线程个数 | Integer | | | 1 |
| modelStreamFilePath | 模型流的文件路径 | 模型流的文件路径 | String | | | null |
| modelStreamScanInterval | 扫描模型路径的时间间隔 | 描模型路径的时间间隔,单位秒 | Integer | | | 10 |
| modelStreamStartTime | 模型流的起始时间 | 模型流的起始时间。默认从当前时刻开始读。使用yyyy-mm-dd hh:mm:ss.fffffffff格式,详见Timestamp.valueOf(String s) | String | | | null |
代码示例
Python 代码
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')
streamDataOp = StreamOperator.fromDataframe(df, schemaStr='val double, label int')
trainOp = IForestModelOutlierTrainBatchOp()\
.setFeatureCols(["val"])
predOp = IForestModelOutlierPredictStreamOp(trainOp.linkFrom(dataOp))\
.setOutlierThreshold(3.0)\
.setPredictionCol("pred")\
.setPredictionDetailCol("pred_detail")
predOp.linkFrom(streamDataOp).print()
StreamOperator.execute()
Java 代码
package com.alibaba.alink.operator.stream.outlier;
import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.outlier.IForestModelOutlierTrainBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import com.alibaba.alink.operator.stream.StreamOperator;
import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
import com.alibaba.alink.testutil.AlinkTestBase;
import org.junit.Test;
public class IForestModelOutlierPredictStreamOpTest extends AlinkTestBase {
@Test
public void test() throws Exception {
Object[][] dataArrays = new Object[][] {
{0.73, 0},
{0.24, 0},
{0.63, 0},
{0.55, 0},
{0.73, 0},
{0.41, 0}
};
String[] colNames = new String[] {"val", "label"};
BatchOperator <?> data = new MemSourceBatchOp(dataArrays, colNames);
StreamOperator <?> streamData = new MemSourceStreamOp(dataArrays, colNames);
IForestModelOutlierTrainBatchOp trainOp = new IForestModelOutlierTrainBatchOp()
.setFeatureCols("val");
IForestModelOutlierPredictStreamOp predOp = new IForestModelOutlierPredictStreamOp(trainOp.linkFrom(data))
.setOutlierThreshold(3.0)
.setPredictionCol("pred")
.setPredictionDetailCol("pred_detail");
predOp.linkFrom(streamData).print();
StreamOperator.execute();
}
}
运行结果
无