参数包详解如表1所示。

表1 参数包参数描述
param	描述	输入/输出	类型	取值范围	默认值
detect_points	被检测的源数据点数。	输入	int	[1 ~ ∞)	120
valid_factor_default	控制模型灵敏度的默认参数。	输入	float	(0.0 ~ ∞)	1.0
detection_window	用于检测的滑动窗口大小。	输入	int	[1 ~ ∞)	5
slide_window	用于检测的滑动窗口滚动步长。	输入	int	[2 ~ 待检测盘总数]	5
train_model_min	DBSCAN算法最小半径参数。	输入	float	(0.0 ~ ∞)	0.3
log_file	日志文件路径。	输入	String	-	/var/log/smartmaintainkit.log

慢盘检测的效果主要由两个指标决定。

滑动窗口的宽度与步长。
被检测的所有源数据被分割成一个个滑动窗口，每个滑动窗口的值被打包成一个测试点。
- detection_window控制窗口宽度。
- slide_window控制窗口滑动步长。
  例如原本使用默认参数调用，但数据集中慢盘的时延出现时间较短，无法检测出慢盘。
```
slow_detect(r'slow_test.data', r'result.data')
```
  经调整detection_window，适配窗口宽度。减小slide_window，缩窄滑动步长，以对时延采集更加细致。
```
param = {'detection_window': 4, 'slide_window': 2} 
slow_detect(r'slow_test.data', r'result.data', param)
```
慢盘检测的精度。
该指标由DBSCAN算法的半径决定，而该半径由valid_factor_default，train_model_min两个参数决定。

valid_factor_default是一个因子，它与每个检测点的值进行计算，最终得出DBSCAN算法的半径。valid_factor_default越大，DBSCAN算法的半径越大，慢盘检测的精度越低，反之亦然。

但是DBSCAN算法的半径必须大于0，所以需要一个最小值来控制valid_factor_default因子计算得出的DBSCAN算法的半径。

如果发现日志中出现“WARNING: Model is too low, set model with train_model_min”，则代表通过valid_factor_default最终计算出的DBSCAN算法半径，低于train_model_min值。然后则会将DBSCAN算法的半径设置为train_model_min的值。

例如对慢盘的时延精度要求较高，慢盘的时延与正常盘的时延差距较小，执行如下命令使用默认参数调用无法检测出慢盘。
```
slow_detect(r'slow_test.data', r'result.data')
```
此时可以通过降低valid_factor_default的值来达到预期的效果。
```
param = {'valid_factor_default': 0.5} 
slow_detect(r'slow_test.data', r'result.data', param)
```
如果发现日志中出现“WARNING: Model is too low, set model with train_model_min"，则表明已经达到train_model_min最小半径下限，如需继续提高精度，则可以继续降低train_model_min参数的下限值。
```
param = {'valid_factor_default': 0.5, 'train_model_min': 0.1} 
slow_detect(r'slow_test.data', r'result.data', param)
```