KNN z prawdopodobieństwami wartości odstających
Ponieważ nie możemy w pełni ufać wynikom uzyskanym przy użyciu contamination, sprawdźmy nasze wyniki za pomocą prawdopodobieństw wartości odstających – są one bardziej wiarygodne.
Zbiór danych został wczytany jako females, a estymator KNN jest już zaimportowany.
To ćwiczenie jest częścią kursu
Wykrywanie anomalii w Pythonie
Instrukcje do ćwiczenia
- Utwórz instancję
KNNz 20 sąsiadami. - Oblicz prawdopodobieństwa wartości odstających.
- Utwórz maskę logiczną, która zwraca wartości prawdziwe tam, gdzie prawdopodobieństwo bycia wartością odstającą przekracza 55%.
- Użyj
is_outlier, aby przefiltrować wartości odstające ze zbiorufemales.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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))