Phát hiện bất thường với Python

Trung cấpTrình độ kỹ năng

Đã cập nhật tháng 11, 2025

Mô tả khóa học

Điều kiện tiên quyết

Phát hiện ngoại lệ đơn biến

Chương này giới thiệu các kỹ thuật phát hiện ngoại lệ trong dữ liệu 1 chiều bằng biểu đồ tần suất, biểu đồ phân tán, biểu đồ hộp, z-score và z-score đã hiệu chỉnh.

Anomalies và outliers là gì?

50 XP

In 5-number summary

100 XP

Dùng histogram để phát hiện ngoại lệ

100 XP

Biểu đồ phân tán để phát hiện ngoại lệ

100 XP

Biểu đồ hộp và IQR

50 XP

Boxplot để phát hiện ngoại lệ

100 XP

Tính giới hạn ngoại lệ bằng IQR

100 XP

Dùng ngưỡng ngoại lệ để lọc dữ liệu

100 XP

Sử dụng z-score để phát hiện bất thường

50 XP

Tìm ngoại lệ bằng z-score

100 XP

Dùng modified z-scores với PyOD

100 XP

Bắt Đầu Chương

Isolation Forest với PyOD

Trong chương này, bạn sẽ tìm hiểu chi tiết cách hoạt động của thuật toán Isolation Forest. Khám phá cách xây dựng Isolation Tree, các tham số thiết yếu của IForest trong PyOD và cách tinh chỉnh chúng, cùng cách diễn giải đầu ra của IForest bằng điểm xác suất ngoại lệ.

Bắt đầu với Isolation Forests

50 XP

Sự khác nhau giữa bất thường đơn biến và đa biến

50 XP

Phát hiện outlier với IForest

100 XP

Tổng quan về siêu tham số của Isolation Forest

50 XP

Các tham số quan trọng nhất của IForest

50 XP

Chọn contamination

100 XP

Chọn n_estimators

100 XP

Kiểm tra lý thuyết

50 XP

Điều chỉnh siêu tham số cho Isolation Forest

50 XP

Tinh chỉnh contamination

100 XP

Tinh chỉnh nhiều siêu tham số

100 XP

Diễn giải đầu ra của IForest

50 XP

Cách phân loại khác với IForest

100 XP

Sử dụng xác suất outlier

100 XP

Bắt Đầu Chương

Thuật toán dựa trên khoảng cách và mật độ

Sau bộ phân loại ngoại lệ dựa trên cây, bạn sẽ khám phá nhóm bộ dò dựa trên khoảng cách và mật độ. Các bộ phân loại KNN và Local Outlier Factor đã chứng minh hiệu quả cao trong lĩnh vực này, và bạn sẽ học cách sử dụng chúng.

KNN để phát hiện ngoại lệ

50 XP

KNN lần đầu tiên

100 XP

KNN với xác suất ngoại lệ

100 XP

Chuẩn hóa đặc trưng bền vững với ngoại lệ

50 XP

Tự tính khoảng cách Euclid

100 XP

Tính khoảng cách euclidean với SciPy

100 XP

Luyện tập chuẩn hóa (standardization)

100 XP

Kiểm thử QuantileTransformer

100 XP

Siêu tham số của KNN

50 XP

Phân biệt các độ đo khoảng cách

100 XP

Tự tính khoảng cách manhattan

100 XP

Tinh chỉnh n_neighbors

100 XP

Tinh chỉnh phương pháp tổng hợp

100 XP

Hệ số ngoại lệ cục bộ (Local Outlier Factor)

50 XP

Lần đầu dùng LOF

100 XP

LOF với xác suất ngoại lệ

100 XP

Bắt Đầu Chương

Phát hiện bất thường chuỗi thời gian và tổ hợp ngoại lệ

Trong chương này, bạn sẽ học cách phát hiện bất thường trên tập dữ liệu chuỗi thời gian và làm cho dự đoán ổn định, đáng tin cậy hơn bằng cách sử dụng tổ hợp các bộ phát hiện ngoại lệ.

Giới thiệu về chuỗi thời gian

50 XP

Làm việc với các cột DateTime

100 XP

Tạo DateTimeIndex

100 XP

MAD trên chuỗi thời gian

100 XP

Isolation Forest trên chuỗi thời gian

100 XP

Phân rã chuỗi thời gian để phát hiện ngoại lệ

50 XP

Luyện tập phân rã (decomposition)

100 XP

Huấn luyện trên phần dư (residuals)

100 XP

Tổ hợp bộ phân loại ngoại lệ

50 XP

Chuẩn hóa một phần của tập dữ liệu

100 XP

Tập hợp bộ phát hiện ngoại lệ thủ công - tạo mảng

100 XP

Lưu xác suất ngoại lệ

100 XP

Tổng hợp và đặt ngưỡng cho các xác suất

100 XP

Cách xử lý các ngoại lệ đã được xác định

50 XP

Phân loại nguyên nhân xuất hiện của ngoại lệ

100 XP

Khi nào nên loại bỏ ngoại lệ

100 XP

Các phương pháp xử lý ngoại lệ không quá mạnh tay

100 XP

Chúc mừng bạn!

50 XP

Bắt Đầu Chương

Phát hiện bất thường với Python

Hoàn
Thành

Nhận Giấy Chứng Nhận Hoàn Thành

Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của ban
Chia sẻ trên mạng xã hội và trong đánh giá hiệu suất của banĐăng ký ngay

Phát hiện bất thường với Python

Đào tạo một đội ngũ?

Mô tả khóa học

Điều kiện tiên quyết

Phát hiện ngoại lệ đơn biến

Isolation Forest với PyOD

Thuật toán dựa trên khoảng cách và mật độ

Phát hiện bất thường chuỗi thời gian và tổ hợp ngoại lệ

Nhận Giấy Chứng Nhận Hoàn Thành

Tham gia cùng hơn 19 triệu học viên và bắt đầu Phát hiện bất thường với Python ngay hôm nay!

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Mô tả khóa học

Nhận Giấy Chứng Nhận Hoàn Thành

Tham gia cùng .css-nklxlk{color:var(--wf-brand--main, #03EF62);}hơn 19 triệu học viên và bắt đầu Phát hiện bất thường với Python ngay hôm nay!

Tạo Tài Khoản Miễn Phí

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Tham gia cùng hơn 19 triệu học viên và bắt đầu Phát hiện bất thường với Python ngay hôm nay!