KNN mit Ausreißerwahrscheinlichkeiten

Da wir dem Ergebnis mit contamination nicht vollständig trauen können, prüfen wir unsere Arbeit noch einmal mit Ausreißerwahrscheinlichkeiten nach. Die sind zuverlässiger.

Der Datensatz wurde als females geladen, und der KNN-Estimator ist ebenfalls importiert.

Diese Übung ist Teil des Kurses

<Kurs>Anomalieerkennung mit Python</Kurs>

Kurs ansehen

Übungsanweisungen

Instanziiere KNN mit 20 Nachbarn.
Berechne die Ausreißerwahrscheinlichkeiten.
Erstelle eine boolesche Maske, die true liefert, wenn die Ausreißerwahrscheinlichkeit über 55 % liegt.
Verwende is_outlier, um die Ausreißer aus females zu filtern.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Instantiate a KNN with 20 neighbors and fit to `females`
knn = ____
knn.____

# Calculate probabilities
probs = ____

# Create a boolean mask
is_outlier = ____

# Use the boolean mask to filter the outliers
outliers = ____

print(len(outliers))

Code bearbeiten und ausführen