



下載本文檔
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
第Python中尋找數(shù)據(jù)異常值的3種方法目錄1.引言2.舉個栗子3.孤立森林4.橢圓模型擬合5.局部異常因子算法6.挑選異常值檢測方法7.異常值消除8.總結(jié)
1.引言
在數(shù)據(jù)處理、機器學(xué)習等領(lǐng)域,我們經(jīng)常需要對各式各樣的數(shù)據(jù)進行處理,本文重點介紹三種非常簡單的方法來檢測數(shù)據(jù)集中的異常值。
2.舉個栗子
為了方便介紹,這里給出我們的測試數(shù)據(jù)集,如下:
data=pd.DataFrame([
[87,82,85],
[81,89,75],
[86,87,69],
[91,79,86],
[88,89,82],
[0,0,0],#thisguymissedtheexam
[100,100,100],
],columns=["math","science","english"])
圖示如下:
假設(shè)這里我們有一堆學(xué)生的三門科目的考試成績英語、數(shù)學(xué)和科學(xué)。這些學(xué)生通常表現(xiàn)很好,但其中一人錯過了所有考試,三門科目都得了0分。在我們的分析中包括這個家伙可能會把事情搞砸,所以我們需要將他視為異常。
3.孤立森林
使用孤立森林算法來求解上述異常值分析非常簡單,代碼如下:
fromsklearn.ensembleimportIsolationForest
predictions=IsolationForest().fit(data).predict(data)
#predictions=array([1,1,1,1,1,-1,-1])
這里預(yù)測值針對每一行進行預(yù)測,預(yù)測結(jié)果為1或者-1;其中1表示該行不是異常值,而-1表示該行是異常值。在上述例子中,我們的孤立森林算法將數(shù)據(jù)中的最后2行都預(yù)測為異常值。
4.橢圓模型擬合
使用孤橢圓模型擬合算法來求解上述異常值同樣非常方便,代碼如下:
fromsklearn.covarianceimportEllipticEnvelope
predictions=EllipticEnvelope().fit(data).predict(data)
#predictions=array([1,1,1,1,1,-1,1])
在上述代碼中,我們使用了另外一種異常值檢測算法來代替孤立森林算法,但是代碼保持不變。相似地,在預(yù)測值中,1表示非異常值,-1表示異常值。在上述情況下,我們的橢圓模型擬合算法只將倒數(shù)第二個學(xué)生作為異常值,即所有成績都為零的考生。
5.局部異常因子算法
類似地,我們可以非常方便地使用局部異常因子算法來對上述數(shù)據(jù)進行分析,樣例代碼如下:
fromsklearn.neighborsimportLocalOutlierFactor
predictions=LocalOutlierFactor(n_neighbors=5,novelty=True).fit(data).predict(data)
#array([1,1,1,1,1,-1,1])
局部異常因子算法是sklearn上可用的另一種異常檢測算法,我們可以簡單地在這里隨插隨用。同樣地,這里該算法僅將最后第二個數(shù)據(jù)行預(yù)測為異常值。
6.挑選異常值檢測方法
那么,我們?nèi)绾螞Q定哪種異常檢測算法更好呢?簡而言之,沒有最佳的異常值檢測算法我們可以將它們視為做相同事情的不同方式(并獲得略有不同的結(jié)果)
7.異常值消除
在我們從上述三種異常檢測算法中的任何一種獲得異常預(yù)測后,我們現(xiàn)在可以執(zhí)行異常值的刪除。這里我們只需保留異常預(yù)測為1的所有數(shù)據(jù)行,
代碼如下:
#predictions=array([1,1,1,1,1,-1,1])
data2=data[prediction
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 模具開發(fā)合同協(xié)議書
- 手機給人使用協(xié)議書
- 朋友同居約定協(xié)議書
- 治理廢棄礦坑協(xié)議書
- 服從崗位安排協(xié)議書
- 摔傷治療補償協(xié)議書
- 海運同行交流協(xié)議書
- 探店團隊合作協(xié)議書
- 桑苗培育合作協(xié)議書
- 教育公司聯(lián)合協(xié)議書
- 高二學(xué)考動員主題班會課件
- 水溝抹灰施工方案
- 人教版八年級物理下冊 實驗題03 浮力的實驗(含答案詳解)
- spc(xbar-r-xbar-s-中位數(shù)極差3合一控制圖)
- SCARA工業(yè)機器人手臂設(shè)計
- 公路工程竣工環(huán)境保護驗收調(diào)查報告
- 第二章殘疾康復(fù)
- 三年級下冊美術(shù)說課稿-第十二課 賽龍舟 ︳湘美版
- 國家開放大學(xué)電大《建筑制圖基礎(chǔ)》機考網(wǎng)考題庫及答案
- 上海市材料工程學(xué)校教師招聘考試真題2022
- 人教版高中地理必修二 同步練習冊電子版
評論
0/150
提交評論