CommencezCommencez gratuitement

Un simple cas aberrant

Quand vous découvrez un nouveau type d'algorithme, c'est toujours une excellente idée de le tester avec un exemple très simple. Vous décidez donc de créer une liste contenant trente exemples de valeur 1.0 et un seul exemple de valeur 10.0, que vous vous attendez à voir signalé comme valeur aberrante. Pour vous assurer d'utiliser correctement l'algorithme, vous convertissez la liste en un tableau de données pandas et vous l'envoyez à l'algorithme de facteur d'isolement local. pandas est disponible sous pd.

Cette activité fait partie du cours

Concevoir des flux de travail Machine Learning en Python

Voir le cours

Instructions de l’exercice

  • Importez le module LocalOutlierFactor sous le nom lof pour plus de commodité.
  • Créez une liste avec trente 1 suivis d'un 10, [1.0, 1.0, ..., 1.0, 10.0].
  • Convertissez la liste en tableau de données.
  • Affichez les scores de valeurs aberrantes produits par l'algorithme de facteur d'isolement local.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the LocalOutlierFactor module
from sklearn.____ import ____ as lof

# Create the list [1.0, 1.0, ..., 1.0, 10.0] as explained
x = ____*30
x.____(10)

# Cast to a data frame
X = pd.____(x)

# Fit the local outlier factor and print the outlier scores
print(lof().____(X))
Modifier et exécuter le code