LoslegenKostenlos starten

Eine einfache Novelty Detection

Du findest Novelty Detection nützlicher als Ausreißererkennung, willst aber sicherstellen, dass sie auf dem einfachen Beispiel von zuvor funktioniert. Dieses Mal verwendest du eine Sequenz von dreißig Beispielen, alle mit dem Wert 1.0, als Trainingssatz, und prüfst, ob das Beispiel 10.0 als Neuheit gekennzeichnet wird. Du hast Zugriff auf pandas als pd und das Modul LocalOutlierFactor als lof.

Diese Übung ist Teil des Kurses

<Kurs>Machine-Learning-Workflows in Python entwerfen</Kurs>
Kurs ansehen

Übungsanweisungen

  • Erstelle ein pandas-DataFrame mit dreißig Beispielen, alle gleich 1.0.
  • Initialisiere einen Local-Outlier-Factor-Novelty-Detector.
  • Fitte den Detector auf die Trainingsdaten.
  • Gib das Novelty-Label des Datenpunkts 10.0 aus, zuvor in ein DataFrame umgewandelt.

Interaktive praktische Übung

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

# Create a list of thirty 1s and cast to a dataframe
X = ____([1.0]*30)

# Create an instance of a lof novelty detector
detector = lof(____)

# Fit the detector to the data
detector.____(____)

# Use it to predict the label of an example with value 10.0
print(detector.____(____(____)))
Code bearbeiten und ausführen