LOF po raz pierwszy

LOF różni się od KNN jedynie wewnętrznym algorytmem oraz brakiem parametru method. Przećwicz wykrywanie wartości odstających za pomocą filtrowania według zanieczyszczenia na przeskalowanej wersji zbioru danych females z poprzednich ćwiczeń.

Zbiór danych został wczytany jako females_transformed.

To ćwiczenie jest częścią kursu

Wykrywanie anomalii w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj estymator LOF z odpowiedniego modułu biblioteki pyod.
Utwórz instancję LOF() z zanieczyszczeniem 0,3%, 20 sąsiadami i parametrem n_jobs ustawionym na -1.
Stwórz indeks logiczny, który zwraca wartości True wtedy, gdy labels_ zwrócone przez lof są równe 1.
Wyizoluj wartości odstające z females_transformed za pomocą is_outlier.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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))

Edytuj i uruchom kod