Outlier probabilities के साथ KNN
क्योंकि contamination इस्तेमाल करने पर आउटपुट पर पूरी तरह भरोसा नहीं किया जा सकता, आइए outlier probabilities के ज़रिए अपना काम दोबारा जाँच लें. ये ज़्यादा भरोसेमंद होती हैं.
डेटासेट females के रूप में लोड किया गया है और KNN estimator भी इम्पोर्ट किया गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Anomaly Detection
अभ्यास निर्देश
KNNको 20 neighbors के साथ instantiate करें.- Outlier probabilities निकालें.
- ऐसा boolean mask बनाएँ जो वहाँ true दे जहाँ outlier probability 55% से अधिक हो.
- Outliers को फ़िल्टर करने के लिए
femalesपरis_outlierका उपयोग करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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))