Docs
...
anomalydetectionnode properties
資料の 英語版 に戻る

anomalydetectionnode プロパティー

最終更新: 2025年2月11日
anomalydetectionnode プロパティー

異常ノード・アイコンAnomaly ノードは、「正規」データのパターンに準拠しない異常なケース (外れ値) を識別します。 このノードを使用すると、以前に認識されていたパターンに適合しない場合や、探しているものが正確にわからない場合でも、外れ値を識別することができます。

例

node = stream.create("anomalydetection", "My node")
node.setPropertyValue("anomaly_method", "PerRecords")
node.setPropertyValue("percent_records", 95)
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("peer_group_num_auto", True)
node.setPropertyValue("min_num_peer_groups", 3)
node.setPropertyValue("max_num_peer_groups", 10)
表 1. anomalydetectionnode プロパティー
anomalydetectionnode プロパティー 値 プロパティーの説明
inputs [field1 ... fieldN] 異常値検査モデルは、指定の入力フィールドに基づいてレコードをスクリーニングします。 ターゲット・フィールドは使用しません。 重みフィールドおよび度数フィールドも使用しません。 詳しくは、 モデル作成ノードの共通プロパティー を参照してください。
mode Expert Simple  
anomaly_method IndexLevel PerRecords NumRecords レコードに異常としてフラグを設定するための、分割値を決めるのに使用される方法を指定します。
index_level 数値 異常としてフラグを設定するための最小分割値を指定します。
percent_records 数値 学習データ内のレコードの割合 (%) に基づいてレコードにフラグを設定するための、閾値を設定します。
num_records 数値 学習データ内のレコードの数に基づいてレコードにフラグを設定するための、閾値を設定します。
num_fields 整数 各異常レコードに報告するフィールド数。
impute_missing_values フラグ  
adjustment_coeff 数値 距離の計算時に連続型とカテゴリー・フィールド間に指定された関連の重みのバランスをとるために使用される値。
peer_group_num_auto フラグ ピア・グループ数を自動的に計算します。
min_num_peer_groups 整数 peer_group_num_autoがTrueに設定されている場合に使用されるピア・グループの最小数を指定します。
max_num_per_groups 整数 ピア・グループの最大数を指定します。
num_peer_groups 整数 peer_group_num_autoがFalseに設定されている場合に使用されるピア・グループの数を指定します。
noise_level 数値 クラスタリング中の外れ値の処理方法を決定します。 0 から 0.5 までの値を指定してください。
noise_ratio 数値 ノイズのバッファリングに使用されるコンポーネントに割り当てられる、メモリーの割合を指定します。 0 から 0.5 までの値を指定してください。