異常檢測 - Platform For AI

異常檢測用於檢測連續值和枚舉值類特徵的資料，協助您挖掘資料中的異常點。異常檢測用於識別資料集中與正常模式顯著不同的資料點或模式，適用於連續值和枚舉值類特徵的資料。通過檢測和分析這些異常點，可協助使用者挖掘潛在的錯誤、欺詐或其他例外狀況事件，提高資料分析的準確性和可靠性。

組件配置

方式一：可視化方式

在Designer工作流程頁面添加異常檢測組件，並在介面右側配置相關參數：

參數

描述

特徵列

指定要進行異常檢測的特徵列。

異常檢測方法

選擇檢測的方法，取值：

箱型圖：用於檢測連續值類特徵的資料，根據盒狀圖最大值和最小值檢測異常特徵。
Attribute Value Frequency：用於檢測枚舉值類特徵的資料，根據枚舉特徵的取值頻率及閾值檢測異常特徵。

方式二：PAI命令方式

使用PAI命令配置異常檢測組件參數。您可以使用SQL指令碼組件進行PAI命令調用，詳情請參見情境4：在SQL指令碼組件中執行PAI命令。

PAI -name fe_detect_runner -project algo_public
     -DselectedCols="emp_var_rate,cons_price_rate,cons_conf_idx,euribor3m,nr_employed" \
     -Dlifecycle="28"
     -DdetectStrategy="boxPlot"
     -DmodelTable="pai_temp_2458_23565_2"
     -DinputTable="pai_bank_data"
     -DoutputTable="pai_temp_2458_23565_1";

參數名稱	是否必選	參數描述
inputTable	是	輸入表的表名。
inputTablePartitions	否	系統預設選擇所有分區。指定輸入表的分區：指定單個分區，格式為`partition_name=value`。指定多個分區，格式為`name1=value1,name2=value2`，多個分區之間用英文逗號（,）分隔。指定多級分區，格式為`name1=value1/name2=value2`。
selectedCols	是	輸入特徵，欄位類型沒有限制。
detectStrategy	是	系統支援Box-plot和AVF選項。Box-plot用於檢測連續值類特徵。AVF用於檢測枚舉值類特徵。
outputTable	是	異常檢測結果資料集，即檢測到異常特徵的資料集。
modelTable	是	異常檢測模型。
lifecycle	否	輸出表的生命週期，系統預設為7。
coreNum	否	節點個數，與參數memSizePerCore配對使用，取值範圍[1,9999]。
memSizePerCore	否	單個結點記憶體大小，取值範圍[2048,64 *1024]，單位MB。