Introduction
Dans ce laboratoire, nous allons effectuer une détection d'anomalies sur un ensemble de données réelles à l'aide de scikit-learn. La détection d'anomalies est le processus d'identification de points de données qui diffèrent considérablement de la majorité des données. Les anomalies peuvent être causées par des erreurs de mesure, une corruption des données ou simplement représenter un événement rare. La détection d'anomalies est importante dans de nombreuses applications, telles que la détection de fraude, la détection d'intrusions réseau et le diagnostic médical.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet de notes pour accéder à Jupyter Notebook pour la pratique.
Parfois, vous devrez peut-être attendre quelques secondes pour que Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations de Jupyter Notebook.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous réglerons rapidement le problème pour vous.