Проста новизна
Ви вважаєте виявлення новизни кориснішим за виявлення викидів, але хочете переконатися, що воно працює на простому прикладі, який ви раніше склали. Цього разу ви використаєте послідовність із тридцяти прикладів зі значенням 1.0 як тренувальний набір і спробуєте перевірити, чи буде приклад 10.0 позначено як новизну. У вас є доступ до pandas як pd і до модуля LocalOutlierFactor як lof.
Ця вправа є частиною курсу
Проєктування робочих процесів машинного навчання в Python
Інструкції до вправи
- Створіть pandas DataFrame, що містить тридцять прикладів зі значенням
1.0. - Ініціалізуйте детектор новизни на основі локального фактора викидів.
- Навчіть детектор на тренувальних даних.
- Виведіть мітку новизни для точки даних
10.0, перетвореної на DataFrame.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Create a list of thirty 1s and cast to a dataframe
X = ____([1.0]*30)
# Create an instance of a lof novelty detector
detector = lof(____)
# Fit the detector to the data
detector.____(____)
# Use it to predict the label of an example with value 10.0
print(detector.____(____(____)))