Analiza najmniejszych klastrów
W tym ćwiczeniu przyjrzysz się klastrom wyznaczonym przez DBSCAN i oznaczysz wybrane z nich jako oszustwo:
- najpierw musisz sprawdzić, jak duże są poszczególne klastry, i odfiltrować te najmniejsze
- następnie weźmiesz te najmniejsze klastry i oznaczysz je jako oszustwo
- na koniec porównasz wyniki z oryginalnymi etykietami, żeby sprawdzić, czy ta metoda rzeczywiście dobrze wykrywa oszustwa.
Dostępne są predykcje modelu DBSCAN – zarówno n_clusters, jak i etykiety klastrów zapisane w pred_labels. Do dzieła!
To ćwiczenie jest częścią kursu
Wykrywanie oszustw w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Count observations in each cluster number
counts = np.bincount(____[____ >= 0])
# Print the result
print(counts)