IForest के साथ वर्गीकरण का वैकल्पिक तरीका
अभी तक, आप .fit_predict() मेथड का उपयोग करके IForest को फिट कर रहे थे और साथ ही predictions बना रहे थे. हालाँकि, pyod डॉक्युमेंटेशन पहले fit फंक्शन उपयोग करने और एक उपयोगी attribute के ज़रिए inlier/outlier labels_ को एक्सेस करने की सलाह देता है.
आप यह अभ्यास big_mart डेटासेट पर करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Anomaly Detection
अभ्यास निर्देश
IForest()एस्टीमेटर कोbig_martपर केवलfitकरें (सिर्फfit).- training labels को एक्सेस करें और उन्हें
labelsके रूप में स्टोर करें. big_martपरpandassubsetting का उपयोग करके outliers को फ़िल्टर करें और उन्हेंoutliersमें रखें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
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))