KNN avec probabilités d’anomalie

Comme nous ne pouvons pas nous fier entièrement au résultat lorsque nous utilisons contamination, vérifions notre travail à l’aide des probabilités d’anomalie. Elles sont plus fiables.

Le jeu de données a été chargé sous le nom females et l’estimateur KNN est également importé.

Cet exercice fait partie du cours

Détection d’anomalies en Python

Afficher le cours

Instructions

Instanciez KNN avec 20 voisins.
Calculez les probabilités d’anomalie.
Créez un masque booléen qui renvoie des valeurs vraies lorsque la probabilité d’anomalie est supérieure à 55 %.
Utilisez is_outlier pour filtrer les anomalies à partir de females.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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))

Modifier et exécuter le code