ตรวจจับค่าผิดปกติด้วย IForest
IForest เป็น estimator ที่มีความทนทานสูงและใช้โค้ดเพียงไม่กี่บรรทัดในการตรวจจับค่าผิดปกติจากชุดข้อมูลใดก็ได้ syntax ที่ใช้จะคุ้นเคยอยู่บ้าง เพราะมีความคล้ายคลึงกับ sklearn มาก
ข้อมูล Big Mart Sales เวอร์ชันเต็มได้ถูกโหลดไว้ให้แล้วในชื่อ big_mart ซึ่งสามารถสำรวจได้ใน console
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การตรวจจับความผิดปกติใน Python
คำแนะนำการฝึกหัด
- นำเข้า estimator
IForestจากpyod - สร้าง
IForest()โดยใช้ค่าพารามิเตอร์เริ่มต้น - Fit estimator และสร้างการพยากรณ์บน
big_martพร้อมกัน แล้วเก็บผลลัพธ์ไว้ในตัวแปรlabels - ใช้การ subset ของ
pandasเพื่อกรองเฉพาะค่าผิดปกติออกจากbig_mart
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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)