이상치 확률을 활용한 KNN
contamination을 사용할 때는 결과를 전적으로 신뢰하기 어렵기 때문에, 이상치 확률로 한 번 더 확인해 보겠습니다. 이 방법이 더 신뢰할 수 있어요.
데이터셋은 females로 로드되어 있고, KNN 추정기도 이미 임포트되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 이상치 탐지
연습 안내
- 이웃 수를 20으로 하여
KNN을 인스턴스화하세요. - 이상치 확률을 계산하세요.
- 이상치 확률이 55%를 초과하는 위치에서 참을 반환하는 불리언 마스크를 만드세요.
is_outlier를 사용해females에서 이상치만 걸러내세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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))