Identifiera avvikare med IForest
IForest är en robust estimator och kräver bara några få rader kod för att identifiera avvikare i en datamängd. Du kommer troligen känna igen syntaxen – den liknar nära sklearn-syntaxen.
Den fullständiga versionen av Big Mart Sales-data har laddats in åt dig som big_mart, som du kan utforska i konsolen.
Den här övningen är en del av kursen
Avvikelsedetektering i Python
Övningsinstruktioner
- Importera estimatorn
IForestfrånpyod. - Initiera en
IForest()med standardparametrar. - Träna estimatorn och generera prediktioner på
big_martsamtidigt, och lagra resultaten ilabels. - Använd
pandas-indexering för att filtrera ut avvikarna frånbig_mart.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import IForest from pyod
from pyod.____ import ____
# Initialize an instance with default parameters
iforest = ____
# Generate outlier labels
labels = ____
# Filter big_mart for outliers
outliers = ____
print(outliers.shape)