KNN กับค่าความน่าจะเป็นของ Outlier

เนื่องจากการใช้ contamination อาจให้ผลลัพธ์ที่ไม่แม่นยำเสมอไป ลองตรวจสอบผลลัพธ์อีกครั้งด้วยค่าความน่าจะเป็นของ outlier ซึ่งมีความน่าเชื่อถือมากกว่า

ชุดข้อมูลถูกโหลดไว้ในตัวแปร females และมีการนำเข้า estimator KNN แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การตรวจจับความผิดปกติใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง instance ของ KNN โดยใช้ 20 neighbors
คำนวณค่าความน่าจะเป็นของ outlier
สร้าง boolean mask ที่คืนค่า true ในกรณีที่ค่าความน่าจะเป็นของ outlier สูงกว่า 55%
ใช้ is_outlier เพื่อกรอง outlier ออกจาก females

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))

แก้ไขและรันโค้ด