整合应用
除了上一个练习中构建的基于距离学习的异常检测流程，您还希望加入基于特征学习的单类 SVM 方法。您决定提取两个特征：其一是字符串长度，其二是字符串首字母的数值编码，该编码通过第 1 章介绍的 LabelEncoder() 获得。为确保公平对比，您将把离群分数用于计算 AUC。以下对象已导入：LabelEncoder()、roc_auc_score() 并重命名为 auc()，以及 OneClassSVM。数据以 pandas 的数据框 proteins 提供，包含两列 label 和 seq，有两个类别：IMMUNE SYSTEM 和 VIRUS。一个已训练好的 LoF 检测器以 lof_detector 提供。
本练习是课程的一部分
用 Python 设计机器学习工作流
练习说明
- 对于字符串
s，len(s)返回其长度。将其应用到seq列以生成新列len。 - 对于字符串
s，list(s)返回其字符列表。用它提取每个序列的首字母，并使用LabelEncoder()进行编码。 - LoF 分数位于属性
negative_outlier_factor_中。计算其 AUC。 - 在仅包含
len和first两列的数据框上拟合 1-类 SVM。提取分数，并使用 AUC 评估 LoF 分数和 SVM 分数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create a feature that contains the length of the string
proteins['len'] = proteins['seq'].apply(____)
# Create a feature encoding the first letter of the string
proteins['first'] = ____.____(
proteins['seq'].apply(____))
# Extract scores from the fitted LoF object, compute its AUC
scores_lof = lof_detector.____
print(____(proteins['label']==____, scores_lof))
# Fit a 1-class SVM, extract its scores, and compute its AUC
svm = ____.____(proteins[['len', 'first']])
scores_svm = svm.____(proteins[['len', 'first']])
print(____(proteins['label']==____, scores_svm))