Primo utilizzo di LOF

LOF differisce da KNN solo per l'algoritmo interno e per l'assenza del parametro method. Esercitati a rilevare gli outlier usando il filtro per contaminazione sulla versione scalata del dataset females dei precedenti esercizi.

Il dataset è stato caricato come females_transformed.

Questo esercizio fa parte del corso

Rilevamento delle anomalie in Python

Visualizza il corso

Istruzioni dell'esercizio

Importa lo stimatore LOF dal modulo pyod pertinente.
Istanzia un LOF() con contaminazione allo 0,3%, 20 vicini e n_jobs impostato a -1.
Crea un indice booleano che restituisca True quando i labels_ restituiti da lof sono uguali a 1.
Isola gli outlier da females_transformed usando is_outlier.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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))

Modifica ed esegui il codice