Isolation Forest

Teil des Abschnitts Unüberwachtes Lernen der Machine Learning-Journey von Coddy. Lektion 35 von 51.

Ausreißer lassen sich leicht abtrennen. Teile die Daten immer wieder zufällig, bis ein Punkt allein steht:

Dasselbe Streudiagramm zweimal, aufgeteilt durch graue zufällige Schnitte. Links: Ein weit entfernter Punkt in der oberen Ecke steht nach 2 Schnitten allein. Rechts: Ein Punkt mitten in der Gruppe benötigt 8 Schnitte

Der abgelegene Punkt benötigte 2 Schnitte, der dicht liegende 8. Ein Isolation Forest mittelt die Schnitte über 100 zufällige Bäume:

from sklearn.ensemble import IsolationForest
forest = IsolationForest(contamination=0.02, random_state=0)
flags = forest.fit_predict(X)

fit_predict gibt -1 für auffällige Zeilen und 1 für den Rest zurück. contamination ist der Anteil der Zeilen, von denen du erwartest, dass sie auffällig sind.

Aufgabe

Mittel

Ein Hafen erfasste 160 Kranschichten: Bewegungen pro Stunde und Energie pro Bewegung. Welche Schichten waren ungewöhnlich?

Markiere die Schichten mit einem Isolation Forest, contamination=0.03, random_state=0. Gib die Anzahl wie unten aus.
Stelle die normalen Schichten als Punkte dar, beschriftet mit normal.
Kreise die markierten Schichten ein: s=150, facecolors="none", edgecolors="red", beschriftet mit flagged. Füge eine Legende hinzu und zeige das Diagramm an.

Für einen anderen Hafen mit 200 Schichten:

Flagged: 6 of 200 shifts

Kranschichten als Punkte in einer abfallenden Wolke: Schnellere Kräne verbrauchen weniger Energie pro Bewegung, und sechs vereinzelte Schichten sind rot eingekreist; mit Legende

Coddy beschreibt dann dein Diagramm.

Probier es selbst

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.ensemble import IsolationForest

# Eine Zeile pro Kranschicht im Hafen: Geschwindigkeit und Energieverbrauch
shifts = pd.read_csv("cranes.csv")
X = shifts[["moves_per_hour", "kwh_per_move"]]

# Ändere die folgenden Zeilen nicht
fig, ax = plt.subplots()
ax.set_title("Crane Shifts")
ax.set_xlabel("Moves per hour")
ax.set_ylabel("Energy per move (kWh)")

# Schreibe deinen Code unten