始める無料で始める

総仕上げ

前の演習で作成した距離ベース学習の異常検知パイプラインに加えて、1-class SVM を用いた特徴ベース学習もサポートしたいと考えています。ここでは 2 つの特徴量を抽出します。1 つ目は文字列の長さ、2 つ目は Chapter 1 で紹介した LabelEncoder() 関数を使って得る、文字列の先頭文字の数値エンコードです。公正に比較するため、外れ値スコアは AUC で評価します。すでに LabelEncoder()、roc_auc_score() を auc() として、そして OneClassSVM がインポートされています。データは proteins という pandas のデータフレームとして利用でき、label と seq の 2 列を持ち、クラスは IMMUNE SYSTEM と VIRUS の 2 種です。学習済みの LoF 検出器は lof_detector として利用可能です。

この演習はコースの一部です

Python で設計する Machine Learning ワークフロー

コースを見る

演習の手順

  • 文字列 s に対して len(s) はその長さを返します。これを seq 列に適用して、新しい列 len を作成してください。
  • 文字列 s に対して list(s) は各文字のリストを返します。これを使って各配列の先頭文字を取り出し、LabelEncoder() を用いてエンコードしてください。
  • LoF のスコアは negative_outlier_factor_ 属性にあります。これらの AUC を計算してください。
  • 列が len と first のみのデータフレームに対して 1-class SVM を学習し、スコアを抽出してください。LoF のスコアと SVM のスコアをいずれも AUC で評価します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Create a feature that contains the length of the string
proteins['len'] = proteins['seq'].apply(____)

# Create a feature encoding the first letter of the string
proteins['first'] =  ____.____(
  proteins['seq'].apply(____))

# Extract scores from the fitted LoF object, compute its AUC
scores_lof = lof_detector.____
print(____(proteins['label']==____, scores_lof))

# Fit a 1-class SVM, extract its scores, and compute its AUC
svm = ____.____(proteins[['len', 'first']])
scores_svm = svm.____(proteins[['len', 'first']])
print(____(proteins['label']==____, scores_svm))
コードを編集して実行