Contaminazione in LoF
La tua consulente medica nella startup sulle aritmie ti informa che i dati di training potrebbero non includere tutti i tipi possibili di aritmia. Come farai a rilevare gli altri tipi senza esempi etichettati? Un rilevatore di anomalie potrebbe distinguere tra sano e non sano senza etichette? Prima però, fai qualche esperimento con il parametro di contaminazione per vedere l’effetto sulla matrice di confusione. Hai LocalOutlierFactor come lof, numpy come np, le etichette come ground_truth codificate in -1 e 1 proprio come l’output di Local Outlier Factor, e i dati di training senza etichette come X.
Questo esercizio fa parte del corso
Progettare workflow di Machine Learning in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Fit the local outlier factor and output predictions
preds = lof().____(X)
# Print the confusion matrix
print(____(ground_truth, preds))