En enkel novitetsdetektion
Du tycker att novitetsdetektion är mer användbart än avvikelsedetektion, men vill försäkra dig om att det fungerar på det enkla exempel du tog fram tidigare. Den här gången använder du en sekvens med trettio exempel – alla med värdet 1.0 – som träningsdata, och undersöker om datapunkten 10.0 klassificeras som en novitet. Du har tillgång till pandas som pd och modulen LocalOutlierFactor som lof.
Den här övningen är en del av kursen
Att designa maskininlärningsflöden i Python
Övningsinstruktioner
- Skapa en pandas DataFrame med trettio exempel som alla är lika med
1.0. - Initiera en local outlier factor-detektor för novitetsdetektion.
- Träna detektorn på träningsdatan.
- Skriv ut novitetsetiketten för datapunkten
10.0, omvandlad till en DataFrame.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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.____(____(____)))