Docs
...
anomalydetectionnode properties

propiedades de anomalydetectionnode

Última actualización: 12 feb 2025
propiedades de anomalydetectionnode

Icono de nodo de anomalíaEl nodo Anomalía identifica casos inusuales, o valores atípicos, que no se ajustan a los patrones de datos "normales". Con este nodo, es posible identificar los valores atípicos incluso si no se ajustan a ningún patrón previamente conocido e incluso si no se está muy seguro de lo que se está buscando.

Ejemplo

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)
Tabla 1. Propiedades de anomalydetectionnode
Propiedades de anomalydetectionnode Valores Descripción de la propiedad
inputs [field1 ... fieldN] Los modelos de detección de anomalías criban registros basándose en los campos de entrada especificados. No utilizan un campo de destino. Los campos de ponderación y frecuencia tampoco se usan. Consulte Propiedades comunes del nodo de modelado para obtener más información.
mode Expert Simple  
anomaly_method IndexLevel PerRecords NumRecords Especifica el método utilizado para determinar el valor de corte para marcar los registros como anómalos.
index_level número Especifica el valor de corte mínimo con el que se van a marcar anomalías.
percent_records número Establece el umbral para marcar registros de acuerdo al porcentaje de registros en los datos de entrenamiento.
num_records número Establece el umbral para marcar registros de acuerdo al número de registros en los datos de entrenamiento.
num_fields entero El número de campos de los que se va a informar por cada registro anómalo.
impute_missing_values distintivo  
adjustment_coeff número Valor que se usa para equilibrar la ponderación relativa asignada a los campos categóricos y continuos al calcular la distancia.
peer_group_num_auto distintivo Calcula automáticamente el número de grupos de homólogos.
min_num_peer_groups entero Especifica el número mínimo de grupos de iguales utilizados cuando peer_group_num_auto está establecido en True.
max_num_per_groups entero Especifica el número máximo de grupos de homólogos.
num_peer_groups entero Especifica el número de grupos de iguales utilizados cuando peer_group_num_auto está establecido en False.
noise_level número Determina el modo en que se tratan los valores atípicos durante el clúster. Especifique un valor entre 0 y 0,5.
noise_ratio número Especifica la parte de memoria asignada al componente que debería usarse para el almacenamiento en búfer de ruido. Especifique un valor entre 0 y 0,5.