or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
บทนี้ครอบคลุมเทคนิคการตรวจจับค่าผิดปกติในข้อมูล 1 มิติ โดยใช้ฮิสโทแกรม แผนภูมิกระจาย กล่องสถิติ z-score และ modified z-score
ในบทนี้ จะได้เรียนรู้การทำงานของอัลกอริทึม Isolation Forest อย่างละเอียด ตั้งแต่วิธีสร้าง Isolation Tree พารามิเตอร์สำคัญของ IForest ใน PyOD และการปรับแต่งค่าเหล่านั้น ไปจนถึงการตีความผลลัพธ์ของ IForest ด้วยคะแนนความน่าจะเป็นของค่าผิดปกติ
หลังจากเรียนรู้ตัวจำแนกค่าผิดปกติแบบ tree-based แล้ว จะได้สำรวจกลุ่มตัวตรวจจับแบบระยะทางและความหนาแน่น ทั้ง KNN และ Local Outlier Factor ได้รับการพิสูจน์แล้วว่ามีประสิทธิภาพสูงในด้านนี้ และจะได้เรียนรู้วิธีนำไปใช้งานจริง
ในบทนี้ จะได้เรียนรู้การตรวจจับความผิดปกติบนชุดข้อมูลอนุกรมเวลา และการทำให้การพยากรณ์มีความเสถียรและน่าเชื่อถือมากขึ้นด้วย outlier ensemble
แบบฝึกหัดปัจจุบัน