選擇 contamination
雖然實作程式碼只要幾行，但要找到合適的 contamination 仍需要留意。
回想一下，contamination 參數只會影響 IForest 的結果。當 IForest 產生原始異常分數後，contamination 會用來選出前 n% 的異常分數作為離群點。例如，5% 的 contamination 會把異常分數最高的 5% 觀測值標記為離群點。
我們會在接下來的影片中討論一些調參方法。現在，先練習為這個參數設定一個任意值。
資料已載入為 big_mart。
本練習屬於課程
Python 中的異常偵測
練習說明
- 建立一個
IForest()估計器，contamination設為 5%。 - 將此實例擬合到 Big Mart 的銷售資料。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
from pyod.models.iforest import IForest
# Instantiate an instance with 5% contamination
iforest = ____
# Fit IForest to Big Mart sales data
____