Альтернативний спосіб класифікації з IForest

Досі ви використовували метод .fit_predict(), щоб одночасно навчити IForest і отримати передбачення. Однак у документації pyod рекомендують спершу використовувати функцію fit, а далі звертатися до міток inlier/outlier через зручний атрибут labels_.

Ви потренуєтеся на наборі даних big_mart.

Ця вправа є частиною курсу

Виявлення аномалій у Python

Переглянути курс

Інструкції до вправи

Навчіть (лише fit) оцінювач IForest() на big_mart.
Отримайте тренувальні мітки та збережіть їх у змінній labels.
Застосуйте підмножину pandas до big_mart, щоб відфільтрувати викиди в outliers.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

iforest = IForest(n_estimators=200)

# Fit (only fit) it to the Big Mart sales
____

# Access the labels_ for the data
labels = iforest.____

# Filter outliers from big_mart
outliers = ____[____]

print(len(outliers))

Редагувати та запускати код