KNN з імовірностями викидів
Оскільки результат із параметром contamination не завжди надійний, перевірмо себе за допомогою імовірностей викидів. Вони більш достовірні.
Набір даних уже завантажено як females, а оцінювач KNN також імпортовано.
Ця вправа є частиною курсу
Виявлення аномалій у Python
Інструкції до вправи
- Створіть
KNNіз 20 сусідами. - Обчисліть імовірності викидів.
- Створіть булеву маску, що повертає значення true, коли імовірність викиду перевищує 55%.
- Використайте
is_outlier, щоб відфільтрувати викиди зfemales.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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))