Une nouveauté simple
Vous jugez la détection de nouveauté plus utile que la détection de valeurs aberrantes, mais vous voulez valider qu'elle fonctionne sur le simple exemple que vous aviez imaginé plus tôt. Cette fois, vous allez utiliser une séquence de trente exemples ayant tous la valeur 1.0 comme ensemble d'entraînement, puis vérifier si l'exemple 10.0 est étiqueté comme une nouveauté. Vous avez accès à pandas sous pd, et au module LocalOutlierFactor sous lof.
Cette activité fait partie du cours
Concevoir des flux de travail Machine Learning en Python
Instructions de l’exercice
- Créez un DataFrame pandas contenant trente exemples tous égaux à
1.0. - Initialisez un détecteur de nouveauté basé sur le facteur d'isolement local.
- Ajustez le détecteur aux données d'entraînement.
- Affichez l'étiquette de nouveauté du point de données
10.0, converti en DataFrame.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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.____(____(____)))