Phát hiện mới lạ

Thiết kế quy trình Machine Learning bằng Python

Dr. Chris Anagnostopoulos

Honorary Associate Professor

Phân loại một lớp

Dữ liệu huấn luyện không có bất thường:

Hai cụm điểm đen.

Dữ liệu tương lai/kiểm thử có bất thường:

Hai cụm điểm đen cùng vài điểm cô lập.

Cách làm tạm

preds = lof().fit_predict(
   np.concatenate([X_train, X_test]))

preds = preds[X_train.shape[0]:]

Hai cụm điểm đen với vài điểm đỏ cô lập.

LoF cho mới lạ

clf = lof(novelty=True)

clf.fit(X_train)
y_pred = clf.predict(X_test)

Hai cụm điểm đen với vài điểm đỏ cô lập.

clf = OneClassSVM()

clf.fit(X_train)
y_pred = clf.predict(X_test)

y_pred[:4]

array([ 1,  1,  1, -1])

Hai cụm điểm với vài điểm cô lập. Phần lớn điểm là đỏ, cả trong cụm lẫn điểm cô lập.

clf = OneClassSVM()
clf.fit(X_train)
y_scores = clf.score_samples(X_test)

threshold = np.quantile(y_scores, 0.1)

y_pred = y_scores <= threshold

Hai cụm điểm đen với vài điểm đỏ cô lập.

clf = IsolationForest()
clf.fit(X_train)
y_scores = clf.score_samples(X_test)

clf = LocalOutlierFactor(novelty=True)
clf.fit(X_train)
y_scores = clf.score_samples(X_test)

Hai cụm điểm đen với vài điểm đỏ cô lập.

clf_lof = LocalOutlierFactor(novelty=True).fit(X_train)
clf_isf = IsolationForest().fit(X_train)
clf_svm = OneClassSVM().fit(X_train)

roc_auc_score(y_test, clf_lof.score_samples(X_test)

0.9897

roc_auc_score(y_test, clf_isf.score_samples(X_test))

0.9692

roc_auc_score(y_test, clf_svm.score_samples(X_test))

0.9948

clf_lof = LocalOutlierFactor(novelty=True).fit(X_train)
clf_isf = IsolationForest().fit(X_train)
clf_svm = OneClassSVM().fit(X_train)

accuracy_score(y_test, clf_lof.predict(X_test))

0.9318

accuracy_score(y_test, clf_isf.predict(X_test))

0.9545

accuracy_score(y_test, clf_svm.predict(X_test))

0.5

Thiết kế quy trình Machine Learning bằng Python