Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Challenge: Using DBSCAN Clustering to Detect Outliers | Machine Learning Techniques
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

Challenge: Using DBSCAN Clustering to Detect Outliers

Завдання

Now, you will apply the DBSCAN clustering algorithm to detect outliers on a simple Iris dataset.
You have to:

  1. Specify the parameters of the DBScan algorithm: set eps equal to 0.35 and min_samples equal to 6.
  2. Fit the algorithm and provide clustering.
  3. Get outlier indexes and indexes of normal data. Pay attention that outliers detected by the algorithm have a -1 label.

Завдання

Now, you will apply the DBSCAN clustering algorithm to detect outliers on a simple Iris dataset.
You have to:

  1. Specify the parameters of the DBScan algorithm: set eps equal to 0.35 and min_samples equal to 6.
  2. Fit the algorithm and provide clustering.
  3. Get outlier indexes and indexes of normal data. Pay attention that outliers detected by the algorithm have a -1 label.

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Секція 3. Розділ 2
toggle bottom row

Challenge: Using DBSCAN Clustering to Detect Outliers

Завдання

Now, you will apply the DBSCAN clustering algorithm to detect outliers on a simple Iris dataset.
You have to:

  1. Specify the parameters of the DBScan algorithm: set eps equal to 0.35 and min_samples equal to 6.
  2. Fit the algorithm and provide clustering.
  3. Get outlier indexes and indexes of normal data. Pay attention that outliers detected by the algorithm have a -1 label.

Завдання

Now, you will apply the DBSCAN clustering algorithm to detect outliers on a simple Iris dataset.
You have to:

  1. Specify the parameters of the DBScan algorithm: set eps equal to 0.35 and min_samples equal to 6.
  2. Fit the algorithm and provide clustering.
  3. Get outlier indexes and indexes of normal data. Pay attention that outliers detected by the algorithm have a -1 label.

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Секція 3. Розділ 2
toggle bottom row

Challenge: Using DBSCAN Clustering to Detect Outliers

Завдання

Now, you will apply the DBSCAN clustering algorithm to detect outliers on a simple Iris dataset.
You have to:

  1. Specify the parameters of the DBScan algorithm: set eps equal to 0.35 and min_samples equal to 6.
  2. Fit the algorithm and provide clustering.
  3. Get outlier indexes and indexes of normal data. Pay attention that outliers detected by the algorithm have a -1 label.

Завдання

Now, you will apply the DBSCAN clustering algorithm to detect outliers on a simple Iris dataset.
You have to:

  1. Specify the parameters of the DBScan algorithm: set eps equal to 0.35 and min_samples equal to 6.
  2. Fit the algorithm and provide clustering.
  3. Get outlier indexes and indexes of normal data. Pay attention that outliers detected by the algorithm have a -1 label.

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Завдання

Now, you will apply the DBSCAN clustering algorithm to detect outliers on a simple Iris dataset.
You have to:

  1. Specify the parameters of the DBScan algorithm: set eps equal to 0.35 and min_samples equal to 6.
  2. Fit the algorithm and provide clustering.
  3. Get outlier indexes and indexes of normal data. Pay attention that outliers detected by the algorithm have a -1 label.

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Секція 3. Розділ 2
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
We're sorry to hear that something went wrong. What happened?
some-alt