Veri Analizinizdeki Anormallikleri Tespit Edin

Aşırı değerler veya anomaliler hemen hemen her veri setinde mevcuttur ve istatistiksel incelemeye devam etmeden önce bunları tespit etmek ve ele almak çok önemlidir. Düzeltilmezse, anomaliler analizlerinizi kolayca bozabilir ve makine öğrenimi modellerinin performansını çarpıtabilir.

İzolasyon Ormanı ve Yerel Aykırı Değer Faktörü gibi Tahmincileri Kullanmayı Öğrenin

Bu kursta, Python'u kullanarak çeşitli anomali tespit yöntemleri uygulayacaksınız. Aşırı değerleri görsel olarak tespit edecek ve tek değişkenli veri kümeleri için Medyan Mutlak Sapma gibi test edilmiş istatistiksel teknikleri kullanacaksınız. Çok değişkenli veriler için, Isolation Forest, k-Nearest-Neighbors ve Local Outlier Factor gibi tahmincileri kullanmayı öğreneceksiniz. Ayrıca, birden fazla aykırı sınıflandırıcıyı düşük riskli bir nihai tahminciye nasıl birleştireceğinizi de öğreneceksiniz. Python ile anomali tespiti gibi veri bilimi alanında vazgeçilmez bir araç edinmiş olacaksınız.

Python İstatistik Araç Setinizi Genişletin

Daha iyi anomali tespiti, verilerinizi daha iyi anlamak ve özellikle sistem davranışıyla ilgili daha iyi kök neden analizi ve iletişim anlamına gelir. Bu beceriyi mevcut Python repertuarınıza eklemek, veri temizleme, dolandırıcılık tespiti ve sistem bozukluklarının belirlenmesi konusunda size yardımcı olacaktır.

En önemli IForest parametreleri

Python ile Anomali Tespiti

Uygulamalı etkileşimli egzersiz