DBSCAN¶

即基于历史数据对多条时间序列进行检测发现异常离群检测对象。

算法介绍¶

DBSCAN 是一种基于密度的聚类算法。它将密度达到一定阈值的区域划分为簇，并将低密度区域视为噪声。DBSCAN 算法不需要预先指定簇的数量，能够发现任意形状的簇，并且对噪声数据有较好的鲁棒性。

• 检测对象：多条时间序列数据；
• 使用场景：适合同一组时序中发现离群时序的场景；
• 传参: 检测区间 T，距离参数；
• 含义: 从 Now- T, Now 中的多条时间线里, 有哪些时间线异常；
• 返回: 返回 1 到 n 条离群时间线。

核心参数¶

距离（eps）：float, default=0.5

距离参数表示其中一个样本与另一个样本相邻，两个样本之间的最大距离，不是簇内点距离的最大界限。（float, default=0.5）

可选择配置 range(0-3.0) 之间的任意浮点值。如果不配置，默认距离参数为0.5，距离设置越大得到的异常点越少，距离值设置过小可能检测到的离群值非常多，距离值设置过大可能导致没有任何离群检测到，所以需要根据不同的数据特征设置合适的距离参数。

使用场景¶

以中心函数 DBSCAN 为例，用户加入观测云空间时，支持选择 DBSCAN。高级函数 - DBSCAN 离群检测基于历史数据对多条时间序列进行检测。

在场景中选择时序图，点击查询下的添加函数按钮，选择高级函数 > DBSCAN，选定算法参数，视图中即可展示多条时间序列的离群效果。如图：

DQL 查询示例写法：

DBSCAN(`M::cpu:(usage_idle)`, 0.5)

显示样式¶

• 配置后离群的效果：

• 如果没有离群，前端原数据展示：