1. Nauka
    2. /
  2. Kursy
    3. /
  3. Projektowanie przepływów pracy uczenia maszynowego w Pythonie
Connected

ćwiczenie

Metryki nie zawsze są zgodne

W poprzednim ćwiczeniu przekonałeś się, że nie wszystkie metryki są zgodne w kwestii identyfikowania najbliższych sąsiadów. Czy to jednak oznacza, że mogą się też różnić w wykrywaniu wartości odstających? Postanawiasz to sprawdzić. Używasz tych samych danych co poprzednio, ale tym razem przekazujesz je do detektora wartości odstających opartego na lokalnym czynniku odstającym. Moduł LocalOutlierFactor jest dostępny jako lof, a dane są dostępne jako features.

Instrukcje

100 XP
  • Wykryj wartości odstające w features przy użyciu metryki euclidean.
  • Wykryj wartości odstające w features przy użyciu metryki hamming.
  • Wykryj wartości odstające w features przy użyciu metryki jaccard.
  • Sprawdź, czy wszystkie trzy metryki są zgodne co do co najmniej jednej wartości odstającej.