选择 contamination
尽管代码实现只需几行，但选择合适的 contamination 仍需要留心。
回顾一下，contamination 参数只影响 IForest 的结果。当 IForest 生成原始异常分数后，contamination 用于从中选出排名前 n% 的异常分数作为离群点。例如，5% 的 contamination 会将异常分数最高的 5% 观测标记为离群点。
虽然我们会在接下来的视频中讨论一些调参方法，但现在请先练习为该参数设定一个任意值。
数据已加载为 big_mart。
本练习是课程的一部分
Python 中的异常检测
练习说明
- 实例化一个
IForest()估计器，并将contamination设为 5%。 - 将该实例拟合到 Big Mart 销售数据上。
交互式实操练习
通过完成这段示例代码来试试这个练习。
from pyod.models.iforest import IForest
# Instantiate an instance with 5% contamination
iforest = ____
# Fit IForest to Big Mart sales data
____