如何在数据集中添加异常

Question

我想从连续数据集中检测异常。数据集由sklearn.datasets.samples_generator生成

这里是生成数据集的代码

from sklearn.datasets.samples_generator import make_blobs
(X,y) =  make_blobs(n_samples=100,n_features=5,centers=3,cluster_std=1.3,random_state=40)

现在，我想在该数据集中添加异常，然后检测这些异常。我可以检测到异常我有代码，但首先我需要该数据集中的异常。

Answer 1

据我所知，sklearn api 中没有生成异常值的函数。

但make_blob 也以更详细的方式接受参数，您可以在其中指定每个集群的样本数、每个特征的“中心和标准差”。 （make_blob 使用高斯分布生成数据集。）

解决方案是分两步生成数据，一次用于实际数据，一次用于使用不同中心和标准差的异常。

X, y = make_blobs(n_samples=sample_list, centers=center_list, cluster_std=diviation_list,n_features=2,random_state=0)

在上面的代码中，将sample_list 指定为形状数组(1,#NumberOfClusters)，将center_list & diviation_list 指定为形状数组(#NumberofClusters,#NumberOfFeatures)。