LOF z prawdopodobieństwami wartości odstających
Jak zwykle, zweryfikuj wybrany poziom skażenia, filtrując wartości odstające za pomocą progu prawdopodobieństwa. Składnia jest taka sama jak w przypadku KNN.
Estymator LOF jest już zaimportowany, a zbiór danych females_transformed jest dostępny.
To ćwiczenie jest częścią kursu
Wykrywanie anomalii w Pythonie
Instrukcje do ćwiczenia
- Utwórz instancję
LOF()z 20 sąsiadami. - Oblicz prawdopodobieństwa wartości odstających i zapisz je w zmiennej
probs. - Utwórz maskę boolowską o nazwie
is_outlier, która przyjmuje wartość true tam, gdzie prawdopodobieństwo wartości odstającej przekracza 50%. - Użyj
is_outlier, aby przefiltrować wartości odstające ze zbiorufemales_transformed.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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))