不見得所有度量都一致
在上一個練習中，你看到在找出最近鄰時，並非所有度量都會一致。那麼在離群值上也會不一致嗎？你決定實際測試看看。你會使用先前相同的資料，但這次把它餵給 Local Outlier Factor 的離群值偵測器。模組 LocalOutlierFactor 已以 lof 名稱提供給你，資料則在 features。
本練習屬於課程
在 Python 設計機器學習工作流程
練習說明
- 使用
euclidean度量在features中偵測離群值。 - 使用
hamming度量在features中偵測離群值。 - 使用
jaccard度量在features中偵測離群值。 - 找出三種度量是否在某一個離群值上達成一致意見。
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。
# Compute outliers according to the euclidean metric
out_eucl = ____(metric='euclidean').fit_predict(features)
# Compute outliers according to the hamming metric
out_hamm = ____(metric=____).fit_predict(features)
# Compute outliers according to the jaccard metric
out_jacc = ____(____=____).____(features)
# Find if the metrics agree on any one datapoint
print(any(____ + ____ + ____ == ____))