Wybór n_estimators
n_estimators to parametr, który ma największy wpływ na wydajność modelu. Zbudowanie IForest z odpowiednią liczbą drzew zapewnia algorytmowi wystarczającą zdolność generalizacji, by odizolować wartości odstające od normalnych punktów danych. Optymalna liczba drzew zależy od rozmiaru zbioru danych – zarówno zbyt duża, jak i zbyt mała wartość prowadzi do niedokładnych przewidywań.
Przećwicz ustawianie n_estimators na zbiorze danych big_mart, który został już wczytany razem z IForest z biblioteki pyod.
To ćwiczenie jest częścią kursu
Wykrywanie anomalii w Pythonie
Instrukcje do ćwiczenia
- Utwórz estymator
IForest()z 300 drzewami izolacji. - Dopasuj instancję do zbioru danych
big_mart.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create an IForest with 300 trees
iforest = ____
# Fit to the Big Mart sales data
____