Alternativní způsob klasifikace pomocí IForest
Doposud jsi používal/a metodu .fit_predict(), která zároveň natrénuje IForest i vygeneruje predikce. Dokumentace pyod ale doporučuje nejprve zavolat funkci fit a pak přistoupit k atributu labels_, který obsahuje štítky pro inliery i outliery.
Vyzkoušíš si to na datasetu big_mart.
Toto cvičení je součástí kurzu
Detekce anomálií v Pythonu
Pokyny k cvičení
- Natrénuj (pouze
fit) estimátorIForest()na datechbig_mart. - Přistup k trénovacím štítkům a ulož je do proměnné
labels. - Pomocí filtrování v
pandasvyber zbig_martodlehlé hodnoty a ulož je do proměnnéoutliers.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
iforest = IForest(n_estimators=200)
# Fit (only fit) it to the Big Mart sales
____
# Access the labels_ for the data
labels = iforest.____
# Filter outliers from big_mart
outliers = ____[____]
print(len(outliers))