python - 如何应用 sklearn 的 EllipticEnvelope 找出给定数据集中的最高异常值？

Question

我正在使用 sklearn 的 EllipticEnvelope 来查找数据集中的异常值。但是我不确定如何为我的问题建模？我是否应该只使用所有数据(不分为训练和测试集)并应用 fit？另外，我将如何获得每个数据点的离群值？我应该在同一个数据集上使用 predict 吗？

Answer 1

正确的做法是:

1. 将数据分为正常值和离群值。
2. 从normal数据中提取大量样本作为normal_train，用于拟合新奇检测模型。
3. 创建一个测试集，其中包含未在训练中使用的 normal 样本(例如 normal_test)和来自 outlier 的样本(例如outlier_test) 使得 test 数据的分布(normal_test + outlier_test)保持人口分布。
4. 预测此测试数据以获得常用指标(准确性、灵敏度、positive-predictive-value等)

哇。我已经走了很长一段路!