सभी मैट्रिक्स सहमत नहीं होते
पिछले अभ्यास में आपने देखा कि निकटतम पड़ोसी पहचानने में सभी मैट्रिक्स हमेशा सहमत नहीं होते. क्या इसका मतलब यह भी हो सकता है कि वे outliers पर भी असहमत हों? आप इसे परखने का फ़ैसला करते हैं. आप पहले जैसा ही डेटा लेते हैं, लेकिन इस बार उसे एक local outlier factor outlier डिटेक्टर में देते हैं. मॉड्यूल LocalOutlierFactor आपको lof नाम से उपलब्ध कराया गया है, और डेटा features के रूप में उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में मशीन लर्निंग वर्कफ़्लो डिज़ाइन करना
अभ्यास निर्देश
euclideanमैट्रिक का उपयोग करकेfeaturesमें outliers डिटेक्ट करें.hammingमैट्रिक का उपयोग करकेfeaturesमें outliers डिटेक्ट करें.jaccardमैट्रिक का उपयोग करकेfeaturesमें outliers डिटेक्ट करें.- जाँचें कि क्या किसी एक outlier पर तीनों मैट्रिक्स सहमत हैं.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Compute outliers according to the euclidean metric
out_eucl = ____(metric='euclidean').fit_predict(features)
# Compute outliers according to the hamming metric
out_hamm = ____(metric=____).fit_predict(features)
# Compute outliers according to the jaccard metric
out_jacc = ____(____=____).____(features)
# Find if the metrics agree on any one datapoint
print(any(____ + ____ + ____ == ____))