ציוני חריגות

חלק מהיחידה למידה בלתי מונחית במסלול ה-Machine Learning של Coddy. שיעור 37 מתוך 51.

תשובת כן או לא מסתירה עד כמה שורה חריגה. score_samples נותנת לכל שורה ציון: ככל שהוא נמוך יותר, כך היא חריגה יותר. עבור המרשמים של בית מרקחת:

forest = IsolationForest(random_state=0).fit(X)
rx["score"] = forest.score_samples(X)
print(rx.sort_values("score").head(3))

כך מוצגים שלושת הערכים החריגים ביותר:

     pills  refills  price     score
17     300        0  120.0 -0.881478
88      28       11   11.5 -0.708524
120     30        1   64.0 -0.700620

היסטוגרמה של ציוני החריגות של 150 מרשמים: רובם בין ‎-0.55 ל-‎-0.35, כמה מהם נמשכים שמאלה עד ‎-0.88, וסף מקווקו אדום ב-‎-0.6 עם 4 לבדיקה

איפה לחתוך זו הבחירה שלך: כמה שורות אדם יכול לבדוק? מיין כדי לדרג, והשווה לסף כדי לסמן.

אתגר

בינוני

למבקר יש זמן לבדוק רק כמה תביעות הוצאות. קוד הפתיחה מתאים יער בידוד; התוכנית קוראת את n ואת הסף.

חשבו ציון לכל תביעה בעמודה חדשה score.
הדפיסו את n התביעות החריגות ביותר, מהחריגה ביותר תחילה, כפי שמוצג להלן.
הדפיסו כמה תביעות קיבלו ציון נמוך מהסף.

עבור חברה אחרת, 2 ו--0.6:

Most unusual claims:
  C003: 1960 EUR, score -0.763
  C040: 80 EUR, score -0.757
Below -0.6: 6 claims

נסו בעצמכם

import pandas as pd
from sklearn.ensemble import IsolationForest

# שורה אחת לכל דרישה להחזר הוצאות: הסכום, הקבלות, השעה שבה הוגשה ומספר הימים לאחר הנסיעה
claims = pd.read_csv("claims.csv")
X = claims[["amount_eur", "items", "hour", "days_late"]]
n = int(input())
threshold = float(input())

# מתוך Isolation Forest: היער שהותאם לכל דרישות ההחזר
forest = IsolationForest(random_state=0).fit(X)

# כתבו את הקוד שלכם למטה