LOF por primera vez

LOF se diferencia de KNN solo en el algoritmo interno y en que no tiene el parámetro method. Practica la detección de valores atípicos con este método usando un filtrado por contaminación en la versión escalada del conjunto de datos females de ejercicios anteriores.

El conjunto de datos se ha cargado como females_transformed.

Este ejercicio forma parte del curso

Detección de anomalías en Python

Ver curso

Instrucciones del ejercicio

Importa el estimador LOF del módulo correspondiente de pyod.
Instancia un LOF() con un 0,3% de contaminación, 20 vecinos y n_jobs establecido en -1.
Crea un índice booleano que devuelva valores True cuando los labels_ devueltos por lof sean iguales a 1.
Aísla los valores atípicos de females_transformed usando is_outlier.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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))

Editar y ejecutar código