Wykrywanie wartości odstających za pomocą IForest
IForest to niezawodny estymator, który wymaga zaledwie kilku linii kodu, aby wykryć wartości odstające w dowolnym zbiorze danych. Składnia powinna wydać ci się znajoma – jest bardzo podobna do składni sklearn.
Pełna wersja danych Big Mart Sales została wczytana jako big_mart. Możesz ją przejrzeć w konsoli.
To ćwiczenie jest częścią kursu
Wykrywanie anomalii w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj estymator
IForestzpyod. - Zainicjalizuj
IForest()z domyślnymi parametrami. - Dopasuj estymator i wygeneruj predykcje na zbiorze
big_martjednocześnie, a wyniki zapisz w zmiennejlabels. - Użyj filtrowania w
pandas, aby wyodrębnić wartości odstające ze zbiorubig_mart.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)