Ausreißer mit IForest erkennen

IForest ist ein robuster Schätzer und benötigt nur wenige Zeilen Code, um Ausreißer in jedem Datensatz zu erkennen. Die Syntax kommt dir vielleicht bekannt vor, da sie der sklearn-Syntax sehr ähnlich ist.

Die vollständige Version der Big-Mart-Sales-Daten wurde als big_mart für dich geladen. Du kannst sie in der Konsole erkunden.

Diese Übung ist Teil des Kurses

<Kurs>Anomalieerkennung mit Python</Kurs>

Kurs ansehen

Übungsanweisungen

Importiere den IForest-Schätzer aus pyod.
Initialisiere ein IForest() mit Standardparametern.
Fitte den Schätzer und erzeuge gleichzeitig Vorhersagen auf big_mart, und speichere die Ergebnisse in labels.
Verwende pandas-Subsetting, um die Ausreißer aus big_mart herauszufiltern.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import IForest from pyod
from pyod.____ import ____

# Initialize an instance with default parameters
iforest = ____

# Generate outlier labels
labels = ____

# Filter big_mart for outliers
outliers = ____

print(outliers.shape)

Code bearbeiten und ausführen