Bắt đầu ngayBắt đầu miễn phí

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

Xem khóa học

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(___)
Chỉnh sửa và Chạy Mã