데이터 분석에서 이상 징후를 찾아내세요

극단값이나 이상치는 거의 모든 데이터세트에 존재하며, 통계적 탐색을 계속하기 전에 이를 탐지하고 처리하는 것이 매우 중요합니다. 손대지 않으면 이상치는 분석을 쉽게 방해하고 머신 러닝 모델의 성능을 왜곡할 수 있습니다.

Isolation Forest와 Local Outlier Factor 같은 추정기를 사용하는 방법을 배우세요

이 강의에서는 Python을 활용해 다양한 이상 탐지 방법을 구현하게 됩니다. 시각적으로 극단값을 찾아내고, 단변량 데이터세트에 대해 중앙값 절대 편차와 같은 검증된 통계 기법을 사용하게 됩니다. 다변량 데이터의 경우, Isolation Forest, k-Nearest-Neighbors, Local Outlier Factor와 같은 추정기를 사용하는 방법을 배우게 됩니다. 또한 여러 이상치 분류기를 앙상블하여 저위험 최종 추정기를 만드는 방법도 배우게 됩니다. Python을 활용한 이상 탐지라는 필수 데이터 과학 도구를 손에 넣게 됩니다.

Python 통계 도구를 확장하세요

이상 탐지가 더 좋아지면 데이터에 대한 이해도 더 좋아지고, 특히 시스템 동작에 대한 근본 원인 분석과 커뮤니케이션도 더 향상됩니다. 기존 Python 역량에 이 기술을 더하면 데이터 정제, 사기 탐지, 시스템 이상 징후 식별에 도움이 됩니다.

이상치 분류기 앙상블

Create Your Free Account