LOF 與離群機率
和以往一樣，請透過機率門檻篩選離群點，來再次確認你選擇的 contamination 參數是否可靠。語法和 KNN 相同。
LOF 估計器已經匯入，females_transformed 資料集也可使用。
本練習屬於課程
Python 中的異常偵測
練習說明
- 建立具有 20 個鄰居的
LOF()實例。 - 計算離群機率並存入
probs。 - 建立名為
is_outlier的布林遮罩，當離群機率高於 50% 時為 true。 - 使用
is_outlier從females_transformed篩選出離群點。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Instantiate an LOF with 20 neighbors and fit to the data
lof = ____
lof.____
# Calculate probabilities
probs = ____
# Create a boolean mask
is_outlier = ____
# Use the boolean mask to filter the outliers
outliers = ____
print(len(outliers))