Hyperparamètres de KNN

Détection d’anomalies en Python

Bekhruz (Bex) Tuychiev

Kaggle Master, Data Science Content Creator

Modifier evaluate_outlier_classifier

def evaluate_outlier_classifier(model, data, threshold=.75):
    model.fit(data)

    probs = model.predict_proba(data)
    inliers = data[probs[:, 1] <= threshold]

    return inliers
Détection d’anomalies en Python

Modifier evaluate_regressor

def evaluate_regressor(inliers):
    X, y = inliers.drop("weightkg", axis=1), inliers[['weightkg']]
    X_train, X_test, y_train, y_test = train_test_split(
      X, y, random_state=10, train_size=0.8)

    lr = LinearRegression()
    lr.fit(X_train, y_train)

    preds = lr.predict(X_test)
    rmse = root_mean_squared_error(y_test, preds)

    return round(rmse, 3)
Détection d’anomalies en Python

Ajuster le nombre de voisins

n_neighbors = [5, 10, 15, 20]
scores = dict()


for k in n_neighbors:
    # Init a KNN
    knn = KNN(n_neighbors=k)

    # Get the inliers with KNN
    inliers = evaluate_outlier_classifier(knn, males_transformed, .55)

    # Calculate and store RMSE
    scores[k] = evaluate_regressor(inliers)
Détection d’anomalies en Python

Examiner le résultat

print(scores)

{5: 19.463, 10: 17.965, 15: 18.817, 20: 20.597}
Détection d’anomalies en Python

Métriques de distance

  • Plus de 40 métriques sont prises en charge
knn = KNN(metric='euclidean')

Un tracé d'un jeu de données exemple avec 8 instances, A étant une valeur aberrante, et des flèches entre A et ses 4 voisins les plus proches.

Détection d’anomalies en Python

Distance de Manhattan

A = np.array([9, 1, 6, ...])
B = np.array([25, 44, 85, ...])


diffs = np.abs(B - A)


manhattan_dist_AB = np.sum(diffs)
manhattan_dist_AB

573

La formule pour calculer la distance de Manhattan et un visuel pour illustrer le processus.

Détection d’anomalies en Python

Distance de Manhattan

  • Efficace sur des données à haute dimension
  • Renvoie des valeurs plus grandes que l'euclidienne
  • Plus adaptée aux variables catégorielles

La formule pour calculer la distance de Manhattan et un visuel pour illustrer le processus.

Détection d’anomalies en Python

Distance de Minkowski

# Euclidean distance
knn = KNN(metric="minkowski", p=2)

# Manhattan distance
knn = KNN(metric="minkowski", p=1)

La formule pour calculer la distance de Minkowski et un visuel pour illustrer le processus.

Détection d’anomalies en Python

Agrégation des distances

knn_largest = KNN(n_neighbors=10, method="largest")


knn_mean = KNN(n_neighbors=10, method="mean")
knn_median = KNN(n_neighbors=10, method="median")
Détection d’anomalies en Python

Ajuster la distance et la méthode

ps = [1, 2, 3, 4]
methods = ["largest", "mean", "median"]
scores = dict()


for p, method in product(ps, methods):
    # Init an instance of KNN
    knn = KNN(n_neighbors=10, method=method, p=p, n_jobs=-1)

    # Find the inliers with the current KNN
    inliers = evaluate_outlier_classifier(knn, males_transformed, .55)

    # Calculate and store RMSE into scores
    scores[(p, method)] = evaluate_regressor(inliers)
Détection d’anomalies en Python

Examiner le résultat

print(scores)

{(1, 'largest'): 23.188,
 (1, 'mean'): 23.188,
 (1, 'median'): 23.188,
 (2, 'largest'): 17.965,
 (2, 'mean'): 19.463,
 (2, 'median'): 19.463,
 (3, 'largest'): 17.965,
 (3, 'mean'): 19.463,
 (3, 'median'): 19.463, ...
}
Détection d’anomalies en Python

Passons à la pratique !

Détection d’anomalies en Python

Preparing Video For Download...