Zacznij terazZacznij za darmo

Prosty detektor nowości

Wykrywanie nowości wydaje ci się bardziej przydatne niż wykrywanie wartości odstających, ale chcesz się upewnić, że działa na prostym przykładzie, który wcześniej opracowałeś. Tym razem użyjesz sekwencji trzydziestu przykładów o wartości 1.0 jako zbioru treningowego i sprawdzisz, czy punkt 10.0 zostanie oznaczony jako nowość. Masz dostęp do biblioteki pandas jako pd oraz do modułu LocalOutlierFactor jako lof.

To ćwiczenie jest częścią kursu

Projektowanie przepływów pracy uczenia maszynowego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz DataFrame biblioteki pandas zawierający trzydzieści przykładów, z których każdy ma wartość 1.0.
  • Zainicjalizuj detektor nowości oparty na metodzie lokalnego współczynnika wartości odstających.
  • Dopasuj detektor do danych treningowych.
  • Wypisz etykietę nowości dla punktu danych 10.0 przekształconego w DataFrame.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create a list of thirty 1s and cast to a dataframe
X = ____([1.0]*30)

# Create an instance of a lof novelty detector
detector = lof(____)

# Fit the detector to the data
detector.____(____)

# Use it to predict the label of an example with value 10.0
print(detector.____(____(____)))
Edytuj i uruchom kod