Question

我正在使用医疗保险索赔数据，并希望识别欺诈性索赔。一直在网上阅读以尝试找到更好的方法。我在scikit-learn.org上遇到了以下代码

有人知道如何选择离群值吗？代码将它们绘制在图形中，但我想尽可能选择那些离群值。

我尝试将y_predictions附加到x数据帧，但这没有用。

print(__doc__)

import numpy as np
import matplotlib.pyplot as plt
from sklearn.neighbors import LocalOutlierFactor

np.random.seed(42)

# Generate train data
X = 0.3 * np.random.randn(100, 2)
# Generate some abnormal novel observations
X_outliers = np.random.uniform(low=-4, high=4, size=(20, 2))
X = np.r_[X + 2, X - 2, X_outliers]

# fit the model
clf = LocalOutlierFactor(n_neighbors=20)
y_pred = clf.fit_predict(X)
y_pred_outliers = y_pred[200:]

下面是我尝试的代码。

X['outliers'] = y_pred

Answer 1

前200个数据是异常值，后20个数据是异常值。在X上执行fit_predict时，您将在y_pred中获得离群值（-1）或离群值（1）。因此，要获取预测的离群值，您需要获取y_pred = -1并在X中获取相应的值。下面的脚本将为您提供X的离群值。

X_pred_outliers = [each[1] for each in list(zip(y_pred, X.tolist())) if each[0] == -1]

我将y_pred和X组合成一个数组，并检查y = -1，如果是，则收集X值。

但是，预测中有8个错误（220个错误中的8个）。这些错误在y_pred [：200]中为-1，在y_pred [201：220]中为1。请注意这些错误。

使用局部离群因子（LOF）进行离群检测

1 个答案: