워크플로를 계속하기 전에, 이상치의 유형과 그 발생 이유를 이해하는 것이 중요합니다.
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
이 챕터에서는 히스토그램, 산점도, 상자그림, z-점수, 수정 z-점수를 사용해 1차원 데이터의 이상치를 탐지하는 기법을 다룹니다.
이 챕터에서는 Isolation Forest 알고리즘의 동작 원리를 구체적으로 배웁니다. Isolation Tree가 어떻게 구축되는지, PyOD의 IForest 주요 하이퍼파라미터와 튜닝 방법, 그리고 이상치 확률 점수를 활용해 IForest 출력 결과를 해석하는 방법을 살펴봅니다.
트리 기반 이상치 분류기를 학습한 뒤, 거리와 밀도에 기반한 탐지기들을 살펴봅니다. KNN과 Local Outlier Factor 분류기는 이 영역에서 매우 효과적인 것으로 입증되었으며, 이를 어떻게 활용하는지 배우게 됩니다.
이 챕터에서는 시계열 데이터셋에서 이상치 탐지를 수행하는 방법과, 이상치 앙상블을 사용해 예측을 더 안정적이고 신뢰할 수 있게 만드는 방법을 학습합니다.
현재 연습
