在 PyOD 中使用改进的 z 分数
现在该用 pyod 来检测异常值了。我们将使用 pyod 中的 MAD 估计器来计算改进的 z 分数。该估计器内部已经调用了 median_abs_deviation 函数，因此无需重复之前的步骤。
MAD 估计器已从 pyod.models.mad 导入，数据保存在 prices 中。
本练习是课程的一部分
Python 中的异常检测
练习说明
- 用
threshold为 3.5 来初始化MAD()。 - 将
prices重塑为 2D。 - 通过同时拟合和预测，使用
mad在prices上生成内点/离群点标签。 - 对离群点进行子集化，离群点用 1 表示。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Initialize with a threshold of 3.5
mad = ____(____=____)
# Reshape prices to make it 2D
prices_reshaped = ____.____(-1, 1)
# Fit and predict outlier labels on prices_reshaped
labels = ____
# Filter for outliers
outliers = ____[____ == ____]
print(len(outliers))