LOF mit Ausreißerwahrscheinlichkeiten
Wie immer: Prüfe zur Sicherheit, ob der gewählte Contamination-Wert plausibel ist, indem du die Ausreißer mit einem Wahrscheinlichkeitsschwellenwert filterst. Die Syntax ist dieselbe wie bei KNN.
Der LOF-Estimator wurde bereits importiert, und der Datensatz females_transformed ist ebenfalls verfügbar.
Diese Übung ist Teil des Kurses
Anomalieerkennung mit Python
Anleitung zur Übung
- Instanziiere
LOF()mit 20 Nachbarn. - Berechne die Ausreißerwahrscheinlichkeiten in
probs. - Erstelle eine boolesche Maske namens
is_outlier, die dort true zurückgibt, wo die Ausreißerwahrscheinlichkeit über 50 % liegt. - Verwende
is_outlier, um die Ausreißer ausfemales_transformedzu filtern.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Instantiate an LOF with 20 neighbors and fit to the data
lof = ____
lof.____
# Calculate probabilities
probs = ____
# Create a boolean mask
is_outlier = ____
# Use the boolean mask to filter the outliers
outliers = ____
print(len(outliers))