受限 Levenshtein
你注意到 stringdist 套件也實作了 Levenshtein 距離的一種變形，稱為 Restricted Damerau-Levenshtein 距離，想要試試看。你會依照課程中的邏輯，把它包成自訂函式，並在訓練區域離群因子（Local Outlier Factor）異常偵測器之前，先預先計算距離矩陣。你會用 accuracy_score()（已以 accuracy() 提供）來衡量效能。你也可以使用 stringdist、numpy（以 np 匯入）、scipy.spatial.distance 中的 pdist() 與 squareform()，以及 LocalOutlierFactor（以 lof 匯入）。資料已預先載入為 pandas DataFrame，包含 label 與 sequence 兩個欄位，並有兩個類別：IMMUNE SYSTEM 與 VIRUS。
本練習屬於課程
在 Python 設計機器學習工作流程
練習說明
- 撰寫一個函式，輸入為
u與v，每個都是只含一個字串的陣列，對這兩個字串套用rdlevenshtein()函式。 - 先把
proteins的sequence欄位轉為numpy陣列，接著使用.reshape()重新塑形。 - 使用
my_rdlevenshtein()為sequences計算平方距離矩陣，並在其上訓練lof。 - 將
preds與proteins['label']轉為布林值（表示某蛋白是否為病毒），以此計算 accuracy。
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。
# Wrap the RD-Levenshtein metric in a custom function
def my_rdlevenshtein(u, v):
return ____.rdlevenshtein(____, ____)
# Reshape the array into a numpy matrix
sequences = ____(proteins['seq']).____(-1, 1)
# Compute the pairwise distance matrix in square form
M = ____
# Run a LoF algorithm on the precomputed distance matrix
preds = lof(metric=____).____(M)
# Compute the accuracy of the outlier predictions
print(accuracy(____, ____))