一个简单的离群点
当您第一次接触一种新算法时，先用一个非常简单的示例来测试它总是个好主意。于是，您创建了一个列表，其中包含 30 个取值为 1.0 的样本，以及 1 个取值为 10.0 的样本，您预计它会被标记为离群点。为确保正确使用算法，您将该列表转换为一个 pandas 数据框，并将其输入到局部离群因子算法中。pandas 以 pd 的名称可用。
本练习是课程的一部分
用 Python 设计机器学习工作流
练习说明
- 为方便起见，将
LocalOutlierFactor以lof的名称导入。 - 创建一个由 30 个
1后接一个10的列表，即[1.0, 1.0, ..., 1.0, 10.0]。 - 将该列表转换为数据框。
- 打印局部离群因子算法生成的离群分数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))