การปรับค่า contamination ของ LoF
ที่ปรึกษาทางการแพทย์ของสตาร์ทอัปด้านภาวะหัวใจเต้นผิดจังหวะแจ้งว่า ข้อมูลฝึกสอนของคุณอาจไม่ครอบคลุมภาวะหัวใจเต้นผิดจังหวะทุกประเภทที่มีอยู่ แล้วจะตรวจจับประเภทอื่น ๆ เหล่านั้นได้อย่างไร หากไม่มีตัวอย่างที่มีป้ายกำกับเลย? โมเดลตรวจจับความผิดปกติสามารถแยกแยะระหว่างข้อมูลปกติและผิดปกติโดยไม่ต้องใช้ป้ายกำกับได้หรือไม่? ก่อนอื่น ลองทดสอบกับพารามิเตอร์ contamination เพื่อดูผลกระทบต่อ confusion matrix โดยมี LocalOutlierFactor เป็น lof, numpy เป็น np, ป้ายกำกับจริงเป็น ground_truth ที่เข้ารหัสด้วย -1 และ 1 เหมือนกับผลลัพธ์ของ local outlier factor และข้อมูลฝึกสอนที่ไม่มีป้ายกำกับเป็น X
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การออกแบบ Machine Learning Workflows ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Fit the local outlier factor and output predictions
preds = lof().____(X)
# Print the confusion matrix
print(____(ground_truth, preds))