Cara alternatif mengklasifikasikan dengan IForest

Sejauh ini, Anda menggunakan metode .fit_predict() untuk melatih IForest dan sekaligus menghasilkan prediksi. Namun, dokumentasi pyod menyarankan untuk menggunakan fungsi fit terlebih dahulu dan mengakses labels_ inlier/outlier melalui sebuah atribut yang praktis.

Anda akan mempraktikkannya pada himpunan data big_mart.

Latihan ini adalah bagian dari kursus

Deteksi Anomali dengan Python

Lihat Kursus

Petunjuk latihan

Latih (hanya fit) estimator IForest() pada big_mart.
Akses label pelatihan dan simpan sebagai labels.
Gunakan penyubsetan pandas pada big_mart untuk memfilter outlier ke dalam outliers.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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))

Edit dan Jalankan Kode