外れ値確率付き LOF
いつもどおり、確率のしきい値で外れ値をフィルタリングして、選んだ汚染率が妥当かを再確認します。構文は KNN のときと同じです。
LOF 推定器はすでにインポート済みで、females_transformed データセットも利用できます。
この演習はコースの一部です
Anomaly Detection in Python
演習の手順
- 近傍数を20として
LOF()をインスタンス化します。 - 外れ値の確率を計算して
probsに格納します。 - 外れ値確率が50%を超える場所で真になるブールマスク
is_outlierを作成します。 is_outlierを使ってfemales_transformedから外れ値をフィルタリングします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Instantiate an LOF with 20 neighbors and fit to the data
lof = ____
lof.____
# Calculate probabilities
probs = ____
# Create a boolean mask
is_outlier = ____
# Use the boolean mask to filter the outliers
outliers = ____
print(len(outliers))