外れ値確率を用いた KNN
contamination を使った場合、その出力だけを完全には信用できません。そこで、より信頼できる外れ値確率で検証してみましょう。
データセットは females として読み込まれており、KNN 推定器もインポート済みです。
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
KNNをインスタンス化します。 - 外れ値確率を計算します。
- 外れ値確率が 55% を超えるところが
Trueになるブールマスクを作成します。 is_outlierを使って、femalesから外れ値を抽出します。
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 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))