LOF för första gången

LOF skiljer sig från KNN endast i den interna algoritmen och avsaknaden av parametern method. Öva på att identifiera avvikare med hjälp av kontaminationsfiltrering på den skalade versionen av datamängden females från tidigare övningar.

Datamängden har laddats in som females_transformed.

Den här övningen är en del av kursen

Avvikelsedetektering i Python

Visa kurs

Övningsinstruktioner

Importera LOF-estimatorn från relevant pyod-modul.
Skapa en instans av LOF() med 0,3 % kontamination, 20 grannar och n_jobs satt till -1.
Skapa ett booleskt index som returnerar True när labels_ från lof är lika med 1.
Isolera avvikarna från females_transformed med hjälp av is_outlier.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))

Redigera och kör kod