PYTHON_異常值檢測(cè)

借鑒于http://scikit-learn.org/stable/modules/outlier_detection.html#novelty-and-outlier-detection

一拧略、概況

兩大異常

novelty detection

這些訓(xùn)練數(shù)據(jù)沒(méi)有被異常值所污染昔园,我們有興趣在新的觀測(cè)中發(fā)現(xiàn)異常。

outlier detection

訓(xùn)練數(shù)據(jù)中包含異常值种蘸,和我們需要合適的訓(xùn)練數(shù)據(jù)中心模式忽略的越軌的意見(jiàn)鞠值。

機(jī)器學(xué)習(xí)(無(wú)監(jiān)督學(xué)習(xí))

學(xué)習(xí):estimator.fit(X_train)
預(yù)測(cè):estimator.predict(X_test)媚创,異常值為-1

二、novelty detection

http://scikit-learn.org/stable/auto_examples/svm/plot_oneclass.html#sphx-glr-auto-examples-svm-plot-oneclass-py

Paste_Image.png

以下為建模代碼:

import numpy as np
from sklearn import svm

xx, yy = np.meshgrid(np.linspace(-5, 5, 500), np.linspace(-5, 5, 500))
# Generate train data 生成訓(xùn)練數(shù)據(jù)
X = 0.3 * np.random.randn(100, 2)
X_train = np.r_[X + 2, X - 2]
# Generate some regular novel observations 生成一些常規(guī)的新奇觀察
X = 0.3 * np.random.randn(20, 2)
X_test = np.r_[X + 2, X - 2]
# Generate some abnormal novel observations 產(chǎn)生一些異常新穎的觀察
X_outliers = np.random.uniform(low=-4, high=4, size=(20, 2))

# fit the model 模型學(xué)習(xí)
clf = svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
clf.fit(X_train)
y_pred_train = clf.predict(X_train)
y_pred_test = clf.predict(X_test)
y_pred_outliers = clf.predict(X_outliers)
n_error_train = y_pred_train[y_pred_train == -1].size
n_error_test = y_pred_test[y_pred_test == -1].size
n_error_outliers = y_pred_outliers[y_pred_outliers == 1].size

三彤恶、Outlier Detection

covariance.EmpiricalCovariance算法

在高斯分布數(shù)據(jù)上顯示具有馬氏距離的協(xié)方差估計(jì)的示例钞钙。

Paste_Image.png

以下為建模代碼:

import numpy as np
from sklearn.covariance import EmpiricalCovariance, MinCovDet

n_samples = 125
n_outliers = 25
n_features = 2

# generate data 生成數(shù)據(jù)
gen_cov = np.eye(n_features)
gen_cov[0, 0] = 2.
X = np.dot(np.random.randn(n_samples, n_features), gen_cov)
# add some outliers 添加一些異常值
outliers_cov = np.eye(n_features)
outliers_cov[np.arange(1, n_features), np.arange(1, n_features)] = 7.
X[-n_outliers:] = np.dot(np.random.randn(n_outliers, n_features),outliers_cov)

# fit a Minimum Covariance Determinant (MCD) robust estimator to data
# 擬合最小協(xié)方差行列式(MCD)對(duì)數(shù)據(jù)的魯棒估計(jì)
robust_cov = MinCovDet().fit(X)

# compare estimators learnt from the full data set with true parameters
# 比較估計(jì)器從完整的數(shù)據(jù)集和真實(shí)參數(shù)的學(xué)習(xí)
emp_cov = EmpiricalCovariance().fit(X)

# Computes the squared Mahalanobis distances of given observations.
# 計(jì)算給定觀測(cè)值的平方Mahalanobis距離。
Y = emp_cov.mahalanobis(X) 

ensemble.IsolationForest算法

在高維數(shù)據(jù)集中執(zhí)行異常值檢測(cè)的一種有效方法是使用隨機(jī)森林

neighbors.LocalOutlierFactor(LOF)算法

對(duì)中等高維數(shù)據(jù)集執(zhí)行異常值檢測(cè)的另一種有效方法是使用局部離群因子(LOF)算法粤剧。

結(jié)合以上四種異常檢測(cè)方法建模比較:

sklearn.svm(支持向量機(jī))
sklearn.covariance.EllipticEnvelope(高斯分布的協(xié)方差估計(jì))
sklearn.ensemble.IsolationForest(隨機(jī)森林)
sklearn.neighbors.LocalOutlierFactor(LOF)

Paste_Image.png
import numpy as np
from scipy import stats

from sklearn import svm
from sklearn.covariance import EllipticEnvelope
from sklearn.ensemble import IsolationForest
from sklearn.neighbors import LocalOutlierFactor

#隨機(jī)數(shù)發(fā)生器
rng = np.random.RandomState(42)

# Example settings 示例設(shè)置
n_samples = 200
outliers_fraction = 0.25
clusters_separation = [0, 1, 2]

# define two outlier detection tools to be compared 定義兩個(gè)異常的檢測(cè)工具進(jìn)行比較
classifiers = {
     "One-Class SVM": svm.OneClassSVM(nu=0.95 * outliers_fraction + 0.05,
                                 kernel="rbf", gamma=0.1),
    "Robust covariance": EllipticEnvelope(contamination=outliers_fraction),
    "Isolation Forest": IsolationForest(max_samples=n_samples,
                                    contamination=outliers_fraction,
                                    random_state=rng),
    "Local Outlier Factor": LocalOutlierFactor.LocalOutlierFactor(n_neighbors = 35,
                                           contamination=outliers_fraction)
           }

# Compare given classifiers under given settings 比較給定設(shè)置下的分類器
xx, yy = np.meshgrid(np.linspace(-7, 7, 100), np.linspace(-7, 7, 100))
n_inliers = int((1. - outliers_fraction) * n_samples)
n_outliers = int(outliers_fraction * n_samples)
ground_truth = np.ones(n_samples, dtype=int)
ground_truth[-n_outliers:] = -1

# Fit the problem with varying cluster separation 將不同的集群分離擬合
for i, offset in enumerate(clusters_separation):
    np.random.seed(42)
    # Data generation 生成數(shù)據(jù)
    X1 = 0.3 * np.random.randn(n_inliers // 2, 2) - offset
    X2 = 0.3 * np.random.randn(n_inliers // 2, 2) + offset
    X = np.r_[X1, X2]
    # Add outliers 添加異常值
   X = np.r_[X, np.random.uniform(low=-6, high=6, size=(n_outliers, 2))]

    # Fit the model 模型擬合
    for i, (clf_name, clf) in enumerate(classifiers.items()):
        # fit the data and tag outliers 擬合數(shù)據(jù)和標(biāo)簽離群值
        if clf_name == "Local Outlier Factor":
            y_pred = clf.fit_predict(X)
            scores_pred = clf.negative_outlier_factor_
        else:
            clf.fit(X)
            scores_pred = clf.decision_function(X)
            y_pred = clf.predict(X)
        threshold = stats.scoreatpercentile(scores_pred,
                                        100 * outliers_fraction)
        n_errors = (y_pred != ground_truth).sum()
        print(scores_pred)
        if clf_name == "Local Outlier Factor":
            # decision_function is private for LOF 決策函數(shù)是LOF的私有函數(shù)
            Z = clf._decision_function(np.c_[xx.ravel(), yy.ravel()])
        else:
            Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()])
        Z = Z.reshape(xx.shape)
        print(Z)
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末歇竟,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子抵恋,更是在濱河造成了極大的恐慌焕议,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,311評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件弧关,死亡現(xiàn)場(chǎng)離奇詭異盅安,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)世囊,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,339評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門(mén)别瞭,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人株憾,你說(shuō)我怎么就攤上這事蝙寨∩柜茫” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 152,671評(píng)論 0 342
  • 文/不壞的土叔 我叫張陵墙歪,是天一觀的道長(zhǎng)听系。 經(jīng)常有香客問(wèn)我,道長(zhǎng)虹菲,這世上最難降的妖魔是什么靠胜? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,252評(píng)論 1 279
  • 正文 為了忘掉前任,我火速辦了婚禮毕源,結(jié)果婚禮上浪漠,老公的妹妹穿的比我還像新娘。我一直安慰自己霎褐,他們只是感情好址愿,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,253評(píng)論 5 371
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著冻璃,像睡著了一般必盖。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上俱饿,一...
    開(kāi)封第一講書(shū)人閱讀 49,031評(píng)論 1 285
  • 那天,我揣著相機(jī)與錄音塌忽,去河邊找鬼拍埠。 笑死,一個(gè)胖子當(dāng)著我的面吹牛土居,可吹牛的內(nèi)容都是我干的枣购。 我是一名探鬼主播,決...
    沈念sama閱讀 38,340評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼擦耀,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼棉圈!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起眷蜓,我...
    開(kāi)封第一講書(shū)人閱讀 36,973評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤分瘾,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后吁系,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體德召,經(jīng)...
    沈念sama閱讀 43,466評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,937評(píng)論 2 323
  • 正文 我和宋清朗相戀三年汽纤,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了上岗。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,039評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡蕴坪,死狀恐怖肴掷,靈堂內(nèi)的尸體忽然破棺而出敬锐,到底是詐尸還是另有隱情,我是刑警寧澤呆瞻,帶...
    沈念sama閱讀 33,701評(píng)論 4 323
  • 正文 年R本政府宣布台夺,位于F島的核電站,受9級(jí)特大地震影響栋烤,放射性物質(zhì)發(fā)生泄漏谒养。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,254評(píng)論 3 307
  • 文/蒙蒙 一明郭、第九天 我趴在偏房一處隱蔽的房頂上張望买窟。 院中可真熱鬧,春花似錦薯定、人聲如沸始绍。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,259評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)亏推。三九已至,卻和暖如春年堆,著一層夾襖步出監(jiān)牢的瞬間吞杭,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,485評(píng)論 1 262
  • 我被黑心中介騙來(lái)泰國(guó)打工变丧, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留芽狗,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 45,497評(píng)論 2 354
  • 正文 我出身青樓痒蓬,卻偏偏與公主長(zhǎng)得像童擎,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子攻晒,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,786評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容