Aperçu des hyperparamètres d'Isolation Forest
Détection d’anomalies en Python
Bekhruz (Bex) Tuychiev
Kaggle Master, Data Science Content Creator
Hyperparamètres clés
Hyperparamètres qui influencent le plus IForest :
contaminationn_estimatorsmax_samplesmax_features
Qu'est-ce que la contamination ?
Comment IForest classe les points :
- Génération de scores d'anomalie bruts
- Définition d'un seuil nommé
contamination - Le pourcentage le plus élevé de scores, défini par
contamination, est marqué comme valeurs aberrantes
Définir la contamination
from pyod.models.iforest import IForest# Accepte une valeur entre 0 et 0.5 iforest = IForest(contamination=0.05)
Qu'est-ce que n_estimators ?
# Plus d'arbres pour les grands jeux de données
iforest = IForest(n_estimators=1000)
iforest.fit(airbnb_df)
max_samples et max_features
iforest = IForest(n_estimators=200, max_samples=0.6, max_features=0.9)iforest.fit(airbnb_df)
Croissance des arbres
- iTrees :
- croissance aléatoire
- coupure choisie aléatoirement entre le min et le max d'une variable
- croissance jusqu'à :
- tous les points sont isolés
- profondeur maximale atteinte
Profondeur max. de l'arbre
- Égale au logarithme de la taille de l'échantillon
Atouts d'IForest
- Très efficace sur de grands jeux de données
- N'exige pas toutes les instances normales comme d'autres algorithmes
- Aucune hypothèse statistique
- Efficace sans réglages poussés
Défis de la détection d'anomalies
- Les modèles supervisés s'appuient sur des métriques comme RMSE ou log loss
- La détection d'anomalies est un problème non supervisé
- Les classifieurs d'anomalies doivent être combinés à des modèles supervisés
Passons à la pratique !
Détection d’anomalies en Python
