ml/ library Learn by doing
ALGORITHM 100 · PYTHON / JAVASCRIPT

Elliptic Envelope

ครอบข้อมูลปกติด้วยวงรีจาก covariance ที่ทนต่อ outlier

LEARNING LEVEL4
ขั้นสูงควรรู้มาก่อน · LDA, covariance และ robust statistics
ลองใน Playground

01Overall Concept

OVERALL CONCEPT

ไอเดียหลัก — Elliptic Envelope ประมาณ robust location และ covariance ภายใต้สมมติฐาน Gaussian แล้วใช้ Mahalanobis distance ตัดจุดที่อยู่นอกวงรีความหนาแน่น

ลองนึกภาพว่า — เหมือนคลุมกลุ่มลูกโป่งด้วยยางวงรีโดยไม่ยอมให้ลูกที่หลุดไกลดึงยางเสียรูป

ตัวอย่างการนำไปใช้ — ตรวจ outlier ในข้อมูลที่กระจายเป็นก้อนวงรีและมี feature สัมพันธ์กัน

02อธิบายภาษาคนเข้าใจง่ายๆ

เล่าแบบไม่ใช้ศัพท์ยาก

Elliptic Envelope เริ่มจากคำถามง่าย ๆ ว่า ครอบข้อมูลปกติด้วยวงรีจาก covariance ที่ทนต่อ outlier วิธีนี้ไม่ได้มองข้อมูลทุกชนิดเหมือนกัน จึงต้องเตรียมข้อมูลให้ตรงกับสิ่งที่อัลกอริทึมใช้คำนวณ

เหมือนคลุมกลุ่มลูกโป่งด้วยยางวงรีโดยไม่ยอมให้ลูกที่หลุดไกลดึงยางเสียรูป ภาพเปรียบเทียบนี้ช่วยจำแก่นของวิธี แต่ตอนใช้งานจริงคอมพิวเตอร์ทำงานกับตัวเลขและกฎที่กำหนดไว้อย่างชัดเจน

Elliptic Envelope ประมาณ robust location และ covariance ภายใต้สมมติฐาน Gaussian แล้วใช้ Mahalanobis distance ตัดจุดที่อยู่นอกวงรีความหนาแน่น พารามิเตอร์หลักใน Playground คือ สัดส่วนผิดปกติ เมื่อเลื่อนค่า ระบบจะคำนวณผลใหม่จากข้อมูลชุดเดิม จึงเปรียบเทียบการเปลี่ยนแปลงได้ตรง ๆ

ข้อมูลตัวอย่างบนหน้าใช้รูปแบบ feature matrix ที่กลุ่มปกติใกล้ Gaussian รูปวงรี · ตัวอย่าง 60–150 แถว เราแยกสิ่งที่อัลกอริทึมรับเข้าออกจากผลลัพธ์ เพื่อไม่เผลอส่งข้อมูลคำตอบหรือข้อมูลอนาคตเข้าไปตอนฝึก

งานที่เหมาะ เช่น ตรวจ outlier ในข้อมูลที่กระจายเป็นก้อนวงรีและมี feature สัมพันธ์กัน ก่อนใช้จริงควรกำหนด metric ที่สัมพันธ์กับเป้าหมาย แล้วเปรียบเทียบกับวิธีพื้นฐานที่ง่ายกว่า

ภาพจำ: robust covariance, Mahalanobis score และ label · Playground แสดงผลเมื่อปรับ สัดส่วนผิดปกติ พร้อมจำข้อจำกัดสำคัญว่า ไม่เหมาะกับข้อมูลหลายกลุ่มหรือขอบเขตไม่เป็นวงรี และประสิทธิภาพลดลงเมื่อมิติสูงเทียบกับจำนวนแถว

03How it works

ค่อยๆ ทำไปด้วยกัน ตั้งแต่ข้อมูลแถวแรกจนถึงการตรวจคำตอบ

  1. เตรียมข้อมูลให้ตรงโจทย์

    feature matrix ที่กลุ่มปกติใกล้ Gaussian รูปวงรี ตรวจค่าที่หาย หน่วยของแต่ละคอลัมน์ และแยกข้อมูลประเมินก่อนเรียนรู้พารามิเตอร์จากข้อมูล

  2. ตั้งค่าที่ควบคุมพฤติกรรม

    ใช้ contamination เพื่อกำหนด quantile ของ Mahalanobis distance ที่ตัดเป็น outlier และบันทึกค่าเริ่มต้นหรือ random seed เมื่อวิธีมีการสุ่ม เพื่อให้ทำซ้ำและเปรียบเทียบได้

  3. คำนวณแก่นของวิธี

    หา subset ที่ covariance determinant ต่ำและเสถียร จากนั้น ประมาณ robust center กับ covariance Playground ใช้ข้อมูลสาธิตชุดเดิมทุกครั้งเพื่อให้เห็นผลของ slider โดยไม่ถูกความสุ่มกลบ

  4. สร้างผลลัพธ์ที่นำไปอ่านได้

    ตัดคะแนน Mahalanobis ตาม contamination ผลที่ได้คือ robust covariance, Mahalanobis score และ label ตัวเลขหรือกลุ่มที่ได้ยังต้องตีความร่วมกับบริบทของข้อมูล

  5. ตรวจว่าคำตอบใช้ได้จริง

    เปรียบเทียบหลายค่าของ contamination ด้วย metric ที่เหมาะ ดูทั้งผลรวมและกรณีที่พลาด แล้วทดสอบกับข้อมูลที่ไม่ใช้ปรับค่า โดยคำนึงถึงข้อจำกัดว่า ไม่เหมาะกับข้อมูลหลายกลุ่มหรือขอบเขตไม่เป็นวงรี และประสิทธิภาพลดลงเมื่อมิติสูงเทียบกับจำนวนแถว

เปิดตัวอย่างโค้ดเพื่อลองทำตาม →ตัวอย่างตัวเลขในเรื่องใช้ช่วยอธิบาย ส่วนโค้ดและ Playground ใช้ชุดข้อมูลสาธิตของแต่ละหน้าอ่านเอกสารอ้างอิงของเทคนิคนี้ ↗

ข้อมูล พารามิเตอร์ และภาพรวมการคำนวณ

DATA INX · featuresy · targetfeature matrix ที่กลุ่มปกติใกล้ Gaussian รูปวงรี · ตัวอย่าง 60–150 แถว
CALCULATEElliptic Envelope
contaminationrandom_statevalidation
RESULT0.800.150.05class / probabilityrobust covariance, Mahalanobis score และ label · Playground แสดงผลเมื่อปรับ สัดส่วนผิดปกติ
เส้นทางของข้อมูล: จากค่าที่รับเข้า ผ่านการคำนวณด้วยพารามิเตอร์ ไปเป็นผลลัพธ์
INPUT

ข้อมูลที่รับเข้ามา

feature matrix ที่กลุ่มปกติใกล้ Gaussian รูปวงรี

feature matrix ที่กลุ่มปกติใกล้ Gaussian รูปวงรี · ตัวอย่าง 60–150 แถว
PARAMETERS

พารามิเตอร์ที่ใช้

contamination
กำหนด quantile ของ Mahalanobis distance ที่ตัดเป็น outlier
random_state
ตรึงการสุ่มเพื่อให้ทดลองซ้ำและเปรียบเทียบได้
validation
เก็บข้อมูลส่วนหนึ่งไว้ตรวจคุณภาพกับตัวอย่างที่ไม่ใช้ฝึก
OUTPUT

ผลลัพธ์ที่ได้

robust covariance, Mahalanobis score และ label

robust covariance, Mahalanobis score และ label · Playground แสดงผลเมื่อปรับ สัดส่วนผิดปกติ
CALCULATION

คำนวณทีละขั้น

  1. 01

    หา subset ที่ covariance determinant ต่ำและเสถียร

  2. 02

    ประมาณ robust center กับ covariance

  3. 03

    ตัดคะแนน Mahalanobis ตาม contamination

ควรรู้อีกนิด — ไม่เหมาะกับข้อมูลหลายกลุ่มหรือขอบเขตไม่เป็นวงรี และประสิทธิภาพลดลงเมื่อมิติสูงเทียบกับจำนวนแถว

04Make it yours

Python · scikit-learn
# ติดตั้ง: pip install numpy scikit-learn# ดาวน์โหลด sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์import numpy as npdata = np.genfromtxt("elliptic-envelope-sample.csv", delimiter=",", skip_header=1)from sklearn.preprocessing import StandardScalerfrom sklearn.covariance import EllipticEnvelopeX = StandardScaler().fit_transform(data[:, :2])model = EllipticEnvelope(contamination=0.08, random_state=42)labels = model.fit_predict(X)print("Inliers / outliers:", np.unique(labels, return_counts=True))print("Scores:", model.negative_outlier_factor_[:8] if hasattr(model, "negative_outlier_factor_") else model.decision_function(X[:8]))

โค้ดเปลี่ยนตามค่าที่เลือกใน Playground · แต่ละภาษาใช้ข้อมูลตัวอย่างตามที่ระบุในโค้ด

05Learn by playing

contamination เปลี่ยน quantile ของ Mahalanobis distance อย่างไร?

Elliptic Envelope / ภาพกลไกที่พารามิเตอร์ควบคุม● คำนวณใหม่เมื่อปรับค่า
กำหนด quantile ของ Mahalanobis distance ที่ตัดเป็น outlier
ดูภาพอย่างไร

วงรีเกิดจาก robust center และ covariance ของกลุ่มปกติ

เมื่อเพิ่มค่า

วงรีตัดเข้มขึ้นและแจ้ง outlier มากขึ้น

ลองเปรียบเทียบ

ตรวจว่ากลุ่มปกติมีรูปวงรีจริงก่อนตีความจุดนอกขอบ

เขียว = inlier · แดง = จุดที่ threshold แจ้งเตือน
Inlier coverage73.3%
Contamination0.08
พารามิเตอร์ที่ลอง0.08

Playground เป็น implementation เพื่อการเรียนรู้ที่คำนวณในเบราว์เซอร์ ส่วนโค้ด Python ใช้ scikit-learn จึงอาจให้ค่าต่างกันเล็กน้อยจากรายละเอียดการ optimize และค่าเริ่มต้นของไลบรารี ผลนี้ไม่ใช่ benchmark บนข้อมูลจริง