KNN för avvikelsedetektering

Avvikelsedetektering i Python

Bekhruz (Bex) Tuychiev

Kaggle Master, Data Science Content Creator

Tillämpningar av KNN

Övervakad:
- Regression
- Klassificering
Oövervakad:
- Klustring
- Avvikelsedetektering

KNN:s enkelhet

Anomalipoäng beräknas med

Isolation Forest:
- Träddjup
- Delurvalsstorlek
- Många andra faktorer
KNN:
- Bara avståndet mellan instanser

Datamängden Ansur Male

import pandas as pd

males = pd.read_csv("ansur_male.csv")
males.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4082 entries, 0 to 4081
Data columns (total 95 columns):
 #   Column                          Non-Null Count  Dtype
 0   abdominalextensiondepthsitting  4082 non-null   int64
 1   acromialheight                  4082 non-null   int64
 2   acromionradialelength           4082 non-null   int64
 3   anklecircumference              4082 non-null   int64
 4   axillaheight                    4082 non-null   int64
  ...

KNN i praktiken

from pyod.models.knn import KNN

knn = KNN(contamination=0.01, n_jobs=-1)

knn.fit(males)

KNN med avvikelsesannolikheter

probs = knn.predict_proba(males)


# Use 55% threshold for filtering
is_outlier = probs[:, 1] > 0.55

# Isolate the outliers
outliers = males[is_outlier]

len(outliers)

Antalet grannar

# k=20 when contamination is <=10%
knn = KNN(n_neighbors=20, n_jobs=-1)
knn.fit(males)

probs = knn.predict_proba(males)

is_outlier = probs[:, 1] > .55
outliers = males[is_outlier]

len(outliers)

En graf över ett exempeldataset med 8 instanser, där A är en avvikare med pilar till dess 4 närmaste grannar.

Egenskaper hos KNN

En graf över ett exempeldataset med 8 instanser, där A är en avvikare med pilar till dess 4 närmaste grannar.

Nackdelar med KNN

Memorerar datamängden – minnesintensiv
Långsam prediktion
Känslig för skalskillnader i särdrag

Nu kör vi en övning!

Avvikelsedetektering i Python