Простий викид
Коли ви вперше знайомитеся з новим типом алгоритму, варто випробувати його на дуже простому прикладі. Тож ви створюєте список із тридцяти прикладів зі значенням 1.0 і лише одним прикладом зі значенням 10.0, який, на вашу думку, має бути позначений як викид. Щоб упевнитися, що ви правильно використовуєте алгоритм, перетворіть список на датафрейм pandas і подайте його до алгоритму локального фактору викидів. pandas доступний як pd.
Ця вправа є частиною курсу
Проєктування робочих процесів машинного навчання в Python
Інструкції до вправи
- Імпортуйте модуль
LocalOutlierFactorякlofдля зручності. - Створіть список із тридцяти
1, після яких іде10:[1.0, 1.0, ..., 1.0, 10.0]. - Перетворіть список на датафрейм.
- Виведіть бали викидів, отримані алгоритмом локального фактору викидів.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import the LocalOutlierFactor module
from sklearn.____ import ____ as lof
# Create the list [1.0, 1.0, ..., 1.0, 10.0] as explained
x = ____*30
x.____(10)
# Cast to a data frame
X = pd.____(x)
# Fit the local outlier factor and print the outlier scores
print(lof().____(X))