Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Challenge: Outlier Detection Using MAD Rule | Statistical Methods in Anomaly Detection
Data Anomaly Detection
course content

Зміст курсу

Data Anomaly Detection

Data Anomaly Detection

1. What is Anomaly Detection?
General InformationTypes of AnomaliesHow Outliers Influence On Prediction ResultsWhat Should We Do With Detected Outliers
2. Statistical Methods in Anomaly Detection
Rule-based ApproachChallenge: Rule-based Approach1.5 IQR Rule3-Sigma RuleMedian Absolute DeviationChallenge: Outlier Detection Using MAD Rule
3. Machine Learning Techniques
ClusteringChallenge: Using DBSCAN Clustering to Detect OutliersRegularisationChallenge: Solving Task Using RegularisationAutoencoders

bookChallenge: Outlier Detection Using MAD Rule

Завдання

Now, you will use the MAD rule to detect outliers in the California Housing Dataset. It contains various features related to housing characteristics in different districts in California.

In this task, we will detect outliers in the column MedInc, which stands for Median Income.

Your task is to:

  1. Fill in all gaps in mad() function to calculate Mean Absolute Deviation.
  2. Calculate the threshold using value 3 as a threshold value.
  3. Specify the rule to detect outliers that will be stored in the outliers variable.

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 2. Розділ 6
toggle bottom row

bookChallenge: Outlier Detection Using MAD Rule

Завдання

Now, you will use the MAD rule to detect outliers in the California Housing Dataset. It contains various features related to housing characteristics in different districts in California.

In this task, we will detect outliers in the column MedInc, which stands for Median Income.

Your task is to:

  1. Fill in all gaps in mad() function to calculate Mean Absolute Deviation.
  2. Calculate the threshold using value 3 as a threshold value.
  3. Specify the rule to detect outliers that will be stored in the outliers variable.

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 2. Розділ 6
toggle bottom row

bookChallenge: Outlier Detection Using MAD Rule

Завдання

Now, you will use the MAD rule to detect outliers in the California Housing Dataset. It contains various features related to housing characteristics in different districts in California.

In this task, we will detect outliers in the column MedInc, which stands for Median Income.

Your task is to:

  1. Fill in all gaps in mad() function to calculate Mean Absolute Deviation.
  2. Calculate the threshold using value 3 as a threshold value.
  3. Specify the rule to detect outliers that will be stored in the outliers variable.

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Завдання

Now, you will use the MAD rule to detect outliers in the California Housing Dataset. It contains various features related to housing characteristics in different districts in California.

In this task, we will detect outliers in the column MedInc, which stands for Median Income.

Your task is to:

  1. Fill in all gaps in mad() function to calculate Mean Absolute Deviation.
  2. Calculate the threshold using value 3 as a threshold value.
  3. Specify the rule to detect outliers that will be stored in the outliers variable.

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Секція 2. Розділ 6
Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
some-alt