700+ courses, half price
Kurs Açıklaması
Veri Analizinizdeki Anormallikleri Tespit Edin
Aşırı değerler veya anomaliler hemen hemen her veri setinde mevcuttur ve istatistiksel incelemeye devam etmeden önce bunları tespit etmek ve ele almak çok önemlidir. Düzeltilmezse, anomaliler analizlerinizi kolayca bozabilir ve makine öğrenimi modellerinin performansını çarpıtabilir.
İzolasyon Ormanı ve Yerel Aykırı Değer Faktörü gibi Tahmincileri Kullanmayı Öğrenin
Bu kursta, Python'u kullanarak çeşitli anomali tespit yöntemleri uygulayacaksınız. Aşırı değerleri görsel olarak tespit edecek ve tek değişkenli veri kümeleri için Medyan Mutlak Sapma gibi test edilmiş istatistiksel teknikleri kullanacaksınız. Çok değişkenli veriler için, Isolation Forest, k-Nearest-Neighbors ve Local Outlier Factor gibi tahmincileri kullanmayı öğreneceksiniz. Ayrıca, birden fazla aykırı sınıflandırıcıyı düşük riskli bir nihai tahminciye nasıl birleştireceğinizi de öğreneceksiniz. Python ile anomali tespiti gibi veri bilimi alanında vazgeçilmez bir araç edinmiş olacaksınız.
Python İstatistik Araç Setinizi Genişletin
Daha iyi anomali tespiti, verilerinizi daha iyi anlamak ve özellikle sistem davranışıyla ilgili daha iyi kök neden analizi ve iletişim anlamına gelir. Bu beceriyi mevcut Python repertuarınıza eklemek, veri temizleme, dolandırıcılık tespiti ve sistem bozukluklarının belirlenmesi konusunda size yardımcı olacaktır.
Ön Koşullar
Müfredat
Kurs planı
1
Tek Değişkenli Aykırı Değerleri Tespit Etme
Bu bölüm, histogramlar, saçılım grafikleri, kutu grafikleri, z-skorları ve değiştirilmiş z-skorları kullanarak tek boyutlu verilerde aykırı değerleri tespit etme tekniklerini kapsar.
- Anomaliler ve aykırı değerler nedir?50 XP
- 5 sayı özetini yazdır100 XP
- Aykırı değer tespiti için histogramlar100 XP
- Aykırı değer tespiti için saçılım grafikleri100 XP
- Kutu grafikleri ve IQR50 XP
- Aykırı değer tespiti için kutu grafikleri100 XP
- IQR ile aykırı değer sınırlarını hesaplama100 XP
- Aykırı değer sınırlarını filtrelemede kullanma100 XP
- Anomali Tespiti için z-skorlarını Kullanma50 XP
- z-skorlarıyla aykırı değer bulma100 XP
- PyOD ile değiştirilmiş z-skorlarını kullanma100 XP
2
PyOD ile Isolation Forests
Bu bölümde, Isolation Forest algoritmasının nasıl çalıştığının tüm ayrıntılarını öğreneceksin. Isolation Trees’in nasıl kurulduğunu, PyOD’un IForest’inin temel parametrelerini ve bunların nasıl ayarlanacağını keşfet ve IForest çıktısını aykırı değer olasılık skorlarını kullanarak nasıl yorumlayacağını öğren.
3
Mesafe ve Yoğunluk Tabanlı Algoritmalar
Ağaç tabanlı bir aykırı değer sınıflandırıcısından sonra, mesafe ve yoğunluk tabanlı bir dedektör sınıfını keşfedeceksin. KNN ve Local Outlier Factor sınıflandırıcılarının bu alanda oldukça etkili olduğu kanıtlanmıştır ve bunları nasıl kullanacağını öğreneceksin.
4
Zaman Serisinde Anomali Tespiti ve Aykırı Değer Ansamblları
Bu bölümde, zaman serisi veri kümelerinde anomali tespiti yapmayı ve aykırı değer ansamblları kullanarak tahminlerini daha istikrarlı ve güvenilir hale getirmeyi öğreneceksin.
Python ile Anomali Tespiti
Kurs
Tamamlandı
