KNN med avvikarsannolikheter

Eftersom vi inte kan lita helt på resultatet när vi använder contamination, låt oss dubbelkolla vårt arbete med hjälp av avvikarsannolikheter. De är mer tillförlitliga.

Datamängden har laddats som females och KNN-estimatorn är också importerad.

Den här övningen är en del av kursen

Avvikelsedetektering i Python

Visa kurs

Övningsinstruktioner

Skapa en instans av KNN med 20 grannar.
Beräkna avvikarsannolikheter.
Skapa en boolesk mask som returnerar sanna värden där avvikarsannolikheten överstiger 55 %.
Använd is_outlier för att filtrera avvikarna från females.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))

Redigera och kör kod