Uitschieters detecteren met IForest
IForest is een robuuste estimator en heeft maar een paar regels code nodig om uitschieters in elke gegevensset te detecteren. Waarschijnlijk komt de syntaxis je bekend voor, omdat die sterk lijkt op de sklearn-syntaxis.
De volledige versie van de Big Mart Sales-gegevens is voor je geladen als big_mart, die je in de console kunt verkennen.
Deze oefening maakt deel uit van de cursus
Anomaly Detection in Python
Oefeninstructies
- Importeer de
IForest-estimator uitpyod. - Initialiseer een
IForest()met standaardparameters. - Fit de estimator en genereer tegelijk voorspellingen op
big_mart, en sla de resultaten op inlabels. - Gebruik subsetting in
pandasom de uitschieters uitbig_martte filteren.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Import IForest from pyod
from pyod.____ import ____
# Initialize an instance with default parameters
iforest = ____
# Generate outlier labels
labels = ____
# Filter big_mart for outliers
outliers = ____
print(outliers.shape)