Bắt đầu ngayBắt đầu miễn phí

Không phải mọi metric đều đồng thuận

Ở bài trước, bạn đã thấy không phải mọi metric đều đồng thuận khi xác định láng giềng gần nhất. Vậy liệu chúng cũng có thể bất đồng khi phát hiện ngoại lệ (outlier) không? Bạn quyết định kiểm chứng điều này. Bạn dùng lại bộ dữ liệu như trước, nhưng lần này đưa vào một bộ phát hiện ngoại lệ dựa trên Local Outlier Factor. Module LocalOutlierFactor đã được cung cấp dưới tên lof, và dữ liệu có trong features.

Bài tập này là một phần của khóa học

Thiết kế quy trình Machine Learning bằng Python

Xem khóa học

Hướng dẫn bài tập

  • Phát hiện ngoại lệ trong features dùng metric euclidean.
  • Phát hiện ngoại lệ trong features dùng metric hamming.
  • Phát hiện ngoại lệ trong features dùng metric jaccard.
  • Tìm xem cả ba metric có đồng thuận trên bất kỳ một ngoại lệ nào không.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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(____ + ____ + ____ == ____))
Chỉnh sửa và Chạy Mã