วิธีการจำแนกข้อมูลด้วย IForest แบบอื่น
ที่ผ่านมาใช้เมธอด .fit_predict() เพื่อ fit IForest และสร้างค่าพยากรณ์ไปพร้อมกัน อย่างไรก็ตาม เอกสารของ pyod แนะนำให้ใช้ฟังก์ชัน fit ก่อน แล้วจึงเข้าถึง labels_ ที่บอกว่าแต่ละจุดเป็น inlier หรือ outlier ผ่าน attribute ที่เตรียมไว้ให้
แบบฝึกหัดนี้จะได้ฝึกใช้งานบนชุดข้อมูล big_mart
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การตรวจจับความผิดปกติใน Python
คำแนะนำการฝึกหัด
- fit (เฉพาะ
fit) estimatorIForest()กับbig_mart - เข้าถึง label ที่ได้จากการเทรน แล้วเก็บไว้ในตัวแปร
labels - ใช้การ subset ข้อมูลด้วย
pandasบนbig_martเพื่อกรองเฉพาะ outlier ออกมาเก็บในoutliers
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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))