Code Isolation Forest - Historique des versions

Franz-maximilien ceron le 26 mai 2023 à 11:51

2023-05-26T11:51:33Z

← Version précédente		Version du 26 mai 2023 à 11:51
Ligne 1 :		Ligne 1 :
	Vous trouverez sur cette page le code pour la détection d'anomalies ~~sur~~ ~~une~~ ~~File~~.		Vous trouverez sur cette page le code pour la détection d'anomalies avec l'algorithme Isolation Forest.

	=Code=		=Code=

2023-05-26T11:43:54Z

← Version précédente		Version du 26 mai 2023 à 11:43
Ligne 35 :		Ligne 35 :
	return dernier_elt[0][len(dernier_elt)]		return dernier_elt[0][len(dernier_elt)]
	</nowiki>		</nowiki>

			=Explication des lignes importantes=

			Pour plus de détails veuillez consulter: [https://www.lama.univ-savoie.fr/mediawiki/index.php/D%C3%A9tection_d%E2%80%99anomalies_par_Isolation_Forest_:_application_pour_l%E2%80%99industrie_4.0 Détection d’anomalies par Isolation Forest : application pour l’industrie 4.0] par Mila DESMET

2023-05-25T15:15:27Z

Code

← Version précédente		Version du 25 mai 2023 à 15:15
Ligne 3 :		Ligne 3 :
	=Code=		=Code=

			[https://www.lama.univ-savoie.fr/mediawiki/index.php/Fichier:CFM_code_isolation_forest.pdf Lien PDF]
	[Lien PDF]

	<nowiki>		<nowiki>

2023-05-25T15:12:15Z

Code

← Version précédente		Version du 25 mai 2023 à 15:12
Ligne 9 :		Ligne 9 :
	def detectionAnomaly(donnee, taille_File):		def detectionAnomaly(donnee, taille_File):

	##on ~~ércupère~~ le n-1 premiers éléments de la File		##on récupère le n-1 premiers éléments de la File
	liste_de_donnee = donnee[0:taille_File]		liste_de_donnee = donnee[0:taille_File]
	df = convert_list_database(liste_de_donnee) # on défnit la base de donnée de ref		df = convert_list_database(liste_de_donnee) # on défnit la base de donnée de ref

2023-05-25T15:10:26Z

Code

← Version précédente		Version du 25 mai 2023 à 15:10
Ligne 30 :		Ligne 30 :

	if dernier_elt[0][len(dernier_elt)] == -1: # sinon anomalie détectée alors (à déterminer selon votre choix)		if dernier_elt[0][len(dernier_elt)] == -1: # sinon anomalie détectée alors (à déterminer selon votre choix)
	# liste_indice_anomaly.append(i+taille_File)
	print("Erreur détecter")		print("Erreur détecter")

2023-05-25T15:09:41Z

Code

← Version précédente		Version du 25 mai 2023 à 15:09
Ligne 6 :		Ligne 6 :

	<nowiki>		<nowiki>
			## Fonction de la détection d'anomalie Isolation Forest
			def detectionAnomaly(donnee, taille_File):

			##on ércupère le n-1 premiers éléments de la File
			liste_de_donnee = donnee[0:taille_File]
			df = convert_list_database(liste_de_donnee) # on défnit la base de donnée de ref

			# on ajoute le nouveau élément qu'on veut tester, donc df_motif est composé des n-1 derniers éléments de la File
			df_modif = convert_list_database(donnee[1:taille_File +1])

			contamination_un_element = 1*1/taille_File # on veut qu'un seul élément contaminer parmi la taille de la file

			## Partie de la détection d'anomalies
			model = IsolationForest(n_estimators=100, max_samples='auto', contamination=contamination_un_element,max_features=1.0)

			model.fit(df[['c1']].values)

			df_modif['anomaly']=model.predict(df[['c1']].values)

			## on récupère le dernier élémment: celui que l'on souhaite regarder
			dernier_elt = df_modif.tail(1).values
			dernier_elt = dernier_elt.tolist()

			if dernier_elt[0][len(dernier_elt)] == -1: # sinon anomalie détectée alors (à déterminer selon votre choix)
			# liste_indice_anomaly.append(i+taille_File)
			print("Erreur détecter")

			## On peut aussi renvoyer la valeur de l'état du dernier élément qui pourra être réutiliser papr la suite
			return dernier_elt[0][len(dernier_elt)]
	</nowiki>		</nowiki>

2023-05-25T15:05:28Z

← Version précédente		Version du 25 mai 2023 à 15:05
Ligne 1 :		Ligne 1 :
			Vous trouverez sur cette page le code pour la détection d'anomalies sur une File.
	pèche

			=Code=

			[Lien PDF]

			<nowiki>

			</nowiki>

2023-05-25T15:04:06Z

Page créée avec « pèche »

Nouvelle page

pèche