เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เมตริกไม่ได้เห็นตรงกันเสมอไป

ในแบบฝึกหัดก่อนหน้า คุณได้เห็นแล้วว่าเมตริกต่างๆ ไม่ได้เห็นตรงกันเสมอไปในการระบุ nearest neighbors แต่นั่นหมายความว่าเมตริกเหล่านี้อาจไม่เห็นด้วยกันในเรื่อง outlier ด้วยหรือเปล่า? คราวนี้ลองทดสอบดู โดยใช้ข้อมูลชุดเดิม แต่นำไปป้อนให้กับตัวตรวจจับ outlier แบบ local outlier factor โมดูล LocalOutlierFactor ถูกนำเข้าให้แล้วในชื่อ lof และข้อมูลพร้อมใช้งานในตัวแปร features

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การออกแบบ Machine Learning Workflows ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ตรวจจับ outlier ใน features โดยใช้เมตริก euclidean
  • ตรวจจับ outlier ใน features โดยใช้เมตริก hamming
  • ตรวจจับ outlier ใน features โดยใช้เมตริก jaccard
  • ตรวจสอบว่าทั้งสามเมตริกเห็นตรงกันกับ outlier ตัวใดตัวหนึ่งหรือไม่

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Compute outliers according to the euclidean metric
out_eucl = ____(metric='euclidean').fit_predict(features)

# Compute outliers according to the hamming metric
out_hamm = ____(metric=____).fit_predict(features)

# Compute outliers according to the jaccard metric
out_jacc  = ____(____=____).____(features)

# Find if the metrics agree on any one datapoint
print(any(____ + ____ + ____ == ____))
แก้ไขและรันโค้ด