开始使用免费开始使用

并非所有度量都会一致

在上一个练习中，您看到在识别最近邻时，并非所有度量都会给出相同结果。那么在离群点上它们也会不一致吗？您决定动手验证一下。您将沿用之前的数据，但这次把它传入局部离群因子（Local Outlier Factor）离群检测器。模块 LocalOutlierFactor 已以 lof 的名称提供，数据存放在 features 中。

本练习是课程的一部分

用 Python 设计机器学习工作流

查看课程

练习说明

  • 使用度量 euclidean 在 features 中检测离群点。
  • 使用度量 hamming 在 features 中检测离群点。
  • 使用度量 jaccard 在 features 中检测离群点。
  • 查找是否存在某个离群点能让三种度量都达成一致。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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(____ + ____ + ____ == ____))
编辑并运行代码