LOF met outlier-kansen
Zoals altijd, controleer of het gekozen contaminatieniveau betrouwbaar is door de outliers te filteren met een drempelwaarde voor de kans. De syntaxis is hetzelfde als bij KNN.
De LOF-estimator is al geïmporteerd en de gegevensset females_transformed is ook beschikbaar.
Deze oefening maakt deel uit van de cursus
Anomaly Detection in Python
Oefeninstructies
- Instantier
LOF()met 20 buren. - Bereken de outlier-kansen in
probs. - Maak een booleaanse mask genaamd
is_outlierdie true-waarden geeft waar de outlier-kans boven 50% ligt. - Gebruik
is_outlierom de outliers uitfemales_transformedte filteren.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# 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))