一個簡單的離群點
當你第一次接觸一種新演算法時，用非常簡單的例子來測試總是很有幫助。因此你決定建立一個清單：其中有三十個值為 1.0 的樣本，外加一個值為 10.0 的樣本。你預期它應該會被標記為離群點。為了確保正確使用演算法，你會先把清單轉成 pandas 的資料框，然後餵給 Local Outlier Factor（LOF）演算法。pandas 以 pd 提供給你使用。
本練習屬於課程
在 Python 設計機器學習工作流程
練習說明
- 為方便起見，將
LocalOutlierFactor以lof匯入。 - 建立一個清單，包含三十個
1，接著一個10，也就是[1.0, 1.0, ..., 1.0, 10.0]。 - 將清單轉型為資料框。
- 印出 Local Outlier Factor 演算法產生的離群分數。
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。
# Import the LocalOutlierFactor module
from sklearn.____ import ____ as lof
# Create the list [1.0, 1.0, ..., 1.0, 10.0] as explained
x = ____*30
x.____(10)
# Cast to a data frame
X = pd.____(x)
# Fit the local outlier factor and print the outlier scores
print(lof().____(X))