Propriétés de anomalydetectionnode

Retourner à la version anglaise de la documentation

Dernière mise à jour : 04 oct. 2024

Propriétés de anomalydetectionnode

Icône Noeud Anomalie Le noeud Anomalie identifie les observations inhabituelles, ou valeurs extrêmes, qui ne sont pas conformes aux motifs de données "normales". Avec ce noeud, il est possible d'identifier des valeurs aberrantes même si elles ne correspondent à aucun schéma connu auparavant, et même si vous n'êtes pas sûr de ce que vous cherchez.

Exemple

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)

Tableau 1. propriétés de anomalydetectionnode
Propriétés `anomalydetectionnode`	Valeurs	Description de la propriété
`inputs`	[field1 ... fieldN]	Les modèles Détection des anomalies filtrent les enregistrements en fonction des champs d'entrée spécifiés. Ils n'utilisent pas de champ cible. Les champs de pondération et de fréquence également ne sont pas utilisés. Pour plus d'informations, voir Propriétés communes des noeuds de modélisation .
`mode`	`Expert` `Simple`
`anomaly_method`	`IndexLevel` `PerRecords` `NumRecords`	Indique la méthode utilisée pour déterminer la valeur de césure de signalement des enregistrements jugés comme irréguliers.
`index_level`	number	Indique la valeur de césure limite pour le signalement des anomalies.
`percent_records`	number	Définit le seuil de signalement des enregistrements, basé sur le pourcentage d'enregistrements dans les données d'apprentissage.
`num_records`	number	Définit le seuil de signalement des enregistrements, basé sur le nombre d'enregistrements dans les données d'apprentissage.
`num_fields`	Integer	Nombre de champs à signaler pour chaque enregistrement irrégulier.
`impute_missing_values`	option
`adjustment_coeff`	number	Valeur utilisée pour équilibrer la pondération relative attribuée aux champs continus et aux champs catégoriels pour les calculs de distance.
`peer_group_num_auto`	option	Calcule automatiquement le nombre de groupes d'homologues.
`min_num_peer_groups`	Integer	Indique le nombre minimal de groupes d'homologues utilisés lorsque `peer_group_num_auto` est défini sur `True`.
`max_num_per_groups`	Integer	Indique le nombre maximal de groupes d'homologues.
`num_peer_groups`	Integer	Spécifie le nombre de groupes homologues utilisés lorsque `peer_group_num_auto` est défini sur `False`.
`noise_level`	number	Détermine le mode de traitement des valeurs extrêmes au cours de la classification non supervisée. Indiquez une valeur comprise entre 0 et 0,5.
`noise_ratio`	number	Indique la quantité de mémoire allouée au composant qui doit être utilisée pour la mise en mémoire tampon du bruit. Indiquez une valeur comprise entre 0 et 0,5.