Aykırı değer olasılıklarıyla KNN
contamination kullanırken çıktıya bütünüyle güvenemeyeceğimiz için, aykırı değer olasılıklarını kullanarak çalışmamızı iki kez kontrol edelim. Bunlar daha güvenilirdir.
Veri kümesi females olarak yüklendi ve KNN tahminleyicisi de içe aktarıldı.
Bu egzersiz, kursun bir parçasıdır
Python ile Anomali Tespiti
Egzersiz talimatları
KNN'i 20 komşu ile başlat.- Aykırı değer olasılıklarını hesapla.
- Aykırı değer olasılığı %55'in üzerinde olan yerler için doğru değer döndüren bir boole maskesi oluştur.
is_outlierkullanarak aykırı değerlerifemalesiçinden filtrele.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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))