LOF med avvikarsannolikheter
Dubbelkolla som alltid att den valda kontamineringsnivån är tillförlitlig genom att filtrera avvikarna med ett sannolikhetströskel. Syntaxen är densamma som för KNN.
LOF-estimatorn har redan importerats och datamängden females_transformed är också tillgänglig.
Den här övningen är en del av kursen
Avvikelsedetektering i Python
Övningsinstruktioner
- Instantiera
LOF()med 20 grannar. - Beräkna avvikarsannolikheterna och spara dem i
probs. - Skapa en boolesk mask med namnet
is_outliersom returnerar sanna värden där avvikarsannolikheten överstiger 50 %. - Använd
is_outlierför att filtrera avvikarna frånfemales_transformed.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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))