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

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

  1. 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 | ✓ | | |

| 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 | | | |

| numTrees | 模型中树的棵数 | 模型中树的棵数 | Integer | | | 100 |

| 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 | | | |

| subsamplingSize | 每棵树的样本采样行数 | 每棵树的样本采样行数，默认 256 ，最小 2 ，最大 100000 . | Integer | | [1, 100000] | 256 |

| 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

  1. import pandas as pd
  2. df = pd.DataFrame([
  3. [0.73, 0],
  4. [0.24, 0],
  5. [0.63, 0],
  6. [0.55, 0],
  7. [0.73, 0],
  8. [0.41, 0]
  9. ])
  11. dataOp = BatchOperator.fromDataframe(df, schemaStr='val double, label int')
  13. outlierOp = IForestOutlierBatchOp()\
  14. .setFeatureCols(["val"])\
  15. .setOutlierThreshold(3.0)\
  16. .setPredictionCol("pred")\
  17. .setPredictionDetailCol("pred_detail")
  19. evalOp = EvalOutlierBatchOp()\
  20. .setLabelCol("label")\
  21. .setPredictionDetailCol("pred_detail")\
  22. .setOutlierValueStrings(["1"]);
  24. metrics = dataOp\
  25. .link(outlierOp)\
  26. .link(evalOp)\
  27. .collectMetrics()
  29. print(metrics)

Java 代码

  1. package com.alibaba.alink.operator.batch.outlier;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.evaluation.EvalOutlierBatchOp;
  5. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  6. import com.alibaba.alink.operator.common.evaluation.OutlierMetrics;
  7. import com.alibaba.alink.testutil.AlinkTestBase;
  8. import org.junit.Assert;
  9. import org.junit.Test;
  11. public class IForestOutlierBatchOpTest extends AlinkTestBase {
  13.     @Test
  14.     public void test() throws Exception {
  16.         BatchOperator <?> data = new MemSourceBatchOp(
  17.             new Object[][] {
  18.                 {0.73, 0},
  19.                 {0.24, 0},
  20.                 {0.63, 0},
  21.                 {0.55, 0},
  22.                 {0.73, 0},
  23.                 {0.41, 0},
  24.             },
  25.             new String[]{"val", "label"});
  27.         BatchOperator <?> outlier = new IForestOutlierBatchOp()
  28.             .setFeatureCols("val")
  29.             .setOutlierThreshold(3.0)
  30.             .setPredictionCol("pred")
  31.             .setPredictionDetailCol("pred_detail");
  33.         EvalOutlierBatchOp eval = new EvalOutlierBatchOp()
  34.             .setLabelCol("label")
  35.             .setPredictionDetailCol("pred_detail")
  36.             .setOutlierValueStrings("1");
  38.         OutlierMetrics metrics = data
  39.             .link(outlier)
  40.             .link(eval)
  41.             .collectMetrics();
  43.         Assert.assertEquals(1.0, metrics.getAccuracy(), 10e-6);
  45.     }
  46. }

运行结果

———————————————— Metrics: ————————————————
Outlier values: [1] Normal values: [0]
Auc:NaN Accuracy:1 Precision:1 Recall:0 F1:0

| Pred\Real | Outlier | Normal | | —- | —- | —- |

| Outlier | 0 | 0 |

| Normal | 0 | 6 |