带异常概率的 LOF
像往常一样，请通过设置概率阈值来筛选异常点，从而再次核对所选污染率是否可靠。语法与 KNN 相同。
LOF 估计器已导入，females_transformed 数据集也已可用。
本练习是课程的一部分
Python 中的异常检测
练习说明
- 使用 20 个邻居实例化
LOF()。 - 计算异常点概率并保存到
probs。 - 创建名为
is_outlier的布尔掩码，当异常概率超过 50% 时其值为 True。 - 使用
is_outlier从females_transformed中筛选异常点。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))