Python AUC Berechnung für unüberwachte Anomalie-Erkennung (Isolation Forest, Elliptic Envelope, ...)

Question

Ich arbeite derzeit in Anomalie-Erkennung Algorithmen. Ich habe Artikel gelesen, die unbeaufsichtigte Anomalie-Algorithmen auf der Basis von AUC-Werten vergleichen. Zum Beispiel habe ich Anomalie-Scores und Anomalie-Klassen von Elliptic Envelope und Isolation Forest. Wie kann ich diese beiden Algorithmen anhand von AUC-Werten vergleichen?

Ich bin auf der Suche nach einem Python-Code Beispiel.

Danke

Answer 1

Problem gelöst. Schritte, die ich bisher gemacht habe;

1) Sammeln Klasse und Ergebnis nach Funktion Anomalie 2) Konvertieren Anomalie 0 - 100 Skala zur besseren Vergleich mit verschiedenen algorihtms 3) Auc diese Variablen erfordert Arrays zu sein. Mein Fehler war, sie wie Data Frame Spalte zu verwenden, die "Nan" die ganze Zeit zurückgibt.

Python Script:

#outlier_class and outlier_score must be array 
fpr,tpr,thresholds_sorted=metrics.roc_curve(outlier_class,outlier_score) 
aucvalue_sorted=metrics.auc(fpr,tpr) 
aucvalue_sorted 

Grüße,

Seçkin Dinç