Простой пример обнаружения новизны
Вы убедились, что обнаружение новизны подходит вам больше, чем обнаружение выбросов, и хотите проверить его на простом примере, с которым работали ранее. На этот раз в качестве обучающей выборки используйте последовательность из тридцати примеров со значением 1.0 и проверьте, будет ли пример 10.0 отмечен как новизна. У вас есть доступ к pandas как pd и к модулю LocalOutlierFactor как lof.
Это упражнение является частью курса
Проектирование рабочих процессов машинного обучения на Python
Инструкции к упражнению
- Создайте DataFrame из библиотеки pandas, содержащий тридцать примеров, каждый из которых равен
1.0. - Инициализируйте детектор новизны на основе метода локального фактора выброса.
- Обучите детектор на обучающих данных.
- Выведите метку новизны для точки данных
10.0, преобразованной в DataFrame.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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.____(____(____)))