Open Daeloran opened 1 month ago
Implémenter la détection des anomalies pour identifier des points de données inhabituels qui pourraient indiquer des erreurs ou des phénomènes intéressants.
Tâches:
Exemple de code:
from sklearn.ensemble import IsolationForest def detect_anomalies(df): clf = IsolationForest(contamination=0.1) df['anomaly'] = clf.fit_predict(df.select_dtypes(include=[np.number])) return df def visualize_anomalies(df, x_col, y_col): anomalies = df[df['anomaly'] == -1] plt.scatter(df[x_col], df[y_col], color='blue', label='Normal') plt.scatter(anomalies[x_col], anomalies[y_col], color='red', label='Anomaly') plt.legend() plt.show()
Implémenter la détection des anomalies pour identifier des points de données inhabituels qui pourraient indiquer des erreurs ou des phénomènes intéressants.
Tâches:
Exemple de code: