Fit và dự đoán với isolation tree
Hai hàm quan trọng nhất khi huấn luyện một isolation tree là iForest() để fit mô hình và predict() để tạo điểm cô lập (isolation score). Trong bài tập này, bạn sẽ dùng hai hàm này để khám phá các điểm bị cô lập trong bộ dữ liệu wine.
Bài tập này là một phần của khóa học
Giới thiệu về Anomaly Detection bằng R
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Build an isolation tree
wine_tree <- iForest(___)