LOF pela primeira vez

LOF difere de KNN apenas no algoritmo interno e na ausência do parâmetro method. Pratique a detecção de outliers com ele usando filtragem por contaminação na versão escalonada do conjunto de dados females dos exercícios anteriores.

O conjunto de dados foi carregado como females_transformed.

Este exercício faz parte do curso

Detecção de Anomalias em Python

Ver curso

Instruções do exercício

Importe o estimador LOF do módulo correspondente do pyod.
Instancie um LOF() com 0,3% de contaminação, 20 vizinhos e n_jobs definido como -1.
Crie um índice booleano que retorne valores True quando os labels_ retornados por lof forem iguais a 1.
Isole os outliers de females_transformed usando is_outlier.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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))

Editar e executar o código