Använda avvikarsannolikheter
Ett alternativ till att isolera avvikare med contamination är att använda avvikarsannolikheter. Fördelen med den här metoden är att du kan välja ett valfritt sannolikhetströskel, vilket innebär att du själv bestämmer hur säker du vill vara i dina prediktioner.
IForest och big_mart är redan inlästa.
Den här övningen är en del av kursen
Avvikelsedetektering i Python
Övningsinstruktioner
- Beräkna sannolikheter för både inliers och avvikare.
- Extrahera sannolikheterna för avvikare till
outlier_probs. - Filtrera avvikarna till
outliersgenom att använda ett tröskelsvärde på 70 % påoutlier_probs.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
iforest = IForest(random_state=10).fit(big_mart)
# Calculate probabilities
probs = iforest.____
# Extract the probabilities for outliers
outlier_probs = ____[____]
# Filter for when the probability is higher than 70%
outliers = ____[____]
print(len(outliers))