ПочатиПочніть безкоштовно

Не всі метрики збігаються

У попередній вправі ви бачили, що не всі метрики збігаються під час визначення найближчих сусідів. Але чи означає це, що вони можуть не збігатися й для викидів? Ви вирішуєте це перевірити. Ви використовуєте ті самі дані, що й раніше, але цього разу подаєте їх у детектор викидів на основі локального фактора викидів. Модуль LocalOutlierFactor доступний вам як lof, а дані — як features.

Ця вправа є частиною курсу

Проєктування робочих процесів машинного навчання в Python

Переглянути курс

Інструкції до вправи

  • Виявіть викиди в features, використовуючи метрику euclidean.
  • Виявіть викиди в features, використовуючи метрику hamming.
  • Виявіть викиди в features, використовуючи метрику jaccard.
  • Перевірте, чи всі три метрики збігаються хоча б для одного викиду.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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(____ + ____ + ____ == ____))
Редагувати та запускати код