异常检测提供了在数据中发现模式、偏差和异常的途径,这些模式、偏差和异常不限于模型的标准行为。随着数据呈指数级增长,分析数据并得出形成重要业务决策基础的见解已成为一种普遍趋势。我们不仅需要分析数据,还需要准确地解释数据。找出异常并确定异常行为可以让我们找到最佳解决方案。
为什么是 PyCaret?
PyCaret是一个开源、低代码的 Python 机器学习库,支持多种功能,例如在几行代码中就可以为部署建模的数据准备。
PyCaret 提供了一些的功能包括:
它是一个灵活的低代码库,可以提高生产力,从而节省时间和精力。
PyCaret 是一个简单易用的机器学习库,使我们能够在几分钟内执行 ML 任务。
PyCaret 库允许自动化机器学习步骤,例如数据转换、准备、超参数调整和标准模型比较。
PyCaret 安装
在你的 jupyter notebook 中安装最新版本的 Pycaret 并开始使用!
pip3 install pycaret
导入必要的库
首先,导入整个项目所需的必要库。
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
我们只需要访问通过get_data()函数可以获得的异常数据。
df = get_data(‘anomaly’)
df.head()