Alternativt sätt att klassificera med IForest
Hittills har du använt metoden .fit_predict() för att träna IForest och generera prediktioner samtidigt. pyod-dokumentationen rekommenderar dock att du först använder funktionen fit och sedan hämtar etiketterna för inliers och outliers via attributet labels_.
Du får öva på detta med datamängden big_mart.
Den här övningen är en del av kursen
Avvikelsedetektering i Python
Övningsinstruktioner
- Träna (enbart
fit)IForest()-estimatorn påbig_mart. - Hämta träningsetiketterna och lagra dem som
labels. - Använd
pandas-filtrering påbig_martför att filtrera ut outliers ioutliers.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
iforest = IForest(n_estimators=200)
# Fit (only fit) it to the Big Mart sales
____
# Access the labels_ for the data
labels = iforest.____
# Filter outliers from big_mart
outliers = ____[____]
print(len(outliers))