LOF zum ersten Mal

LOF unterscheidet sich von KNN nur im internen Algorithmus und dadurch, dass der Parameter method fehlt. Übe damit die Ausreißererkennung mithilfe von Kontaminations-Filtering auf der skalierten Version des females-Datensatzes aus den vorherigen Übungen.

Der Datensatz wurde als females_transformed geladen.

Diese Übung ist Teil des Kurses

Anomalieerkennung mit Python

Kurs anzeigen

Anleitung zur Übung

Importiere den LOF-Estimator aus dem entsprechenden pyod-Modul.
Instanziiere ein LOF() mit 0,3 % Kontamination, 20 Nachbarn und n_jobs auf -1 gesetzt.
Erstelle einen booleschen Index, der True zurückgibt, wenn die von lof zurückgegebenen labels_ gleich 1 sind.
Isoliere die Ausreißer aus females_transformed mithilfe von is_outlier.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import LOF from its relevant module
from pyod.____ import ____

# Instantiate LOF and fit to females_transformed
lof = ____
lof.____

# Create a boolean index that checks for outliers
is_outlier = ____

# Isolate the outliers
outliers = ____

print(len(outliers))

Code bearbeiten und ausführen