EllipticEnvelope#

class sklearn.covariance.EllipticEnvelope(*, store_precision=True, assume_centered=False, support_fraction=None, contamination=0.1, random_state=None)[source]#

用于在高斯分布数据集中检测异常值的对象。

欲了解更多信息，请阅读用户指南。

参数:
store_precision布尔值，默认值=True

指定是否存储估计的精度。

assume_centered布尔值，默认值=False

如果为True，则计算鲁棒位置和协方差估计的支持集，并从中重新计算协方差估计，而不对数据进行中心化。这对于平均值显著等于零但不完全为零的数据集非常有用。如果为False，则直接使用FastMCD算法计算鲁棒位置和协方差，无需额外处理。

support_fraction浮点数，默认值=None

原始MCD估计支持集中的点所占比例。如果为None，算法将使用support_fraction的最小值：(n_samples + n_features + 1) / 2 * n_samples。范围为(0, 1)。

contamination浮点数，默认值=0.1

数据集的污染量，即数据集中异常值的比例。范围为(0, 0.5]。

random_state整型、RandomState实例或None，默认值=None

确定用于打乱数据的伪随机数生成器。传入一个整数可以在多次函数调用中获得可重现的结果。请参阅术语表。

属性:
location_形状为 (n_features,) 的ndarray

估计的鲁棒位置。

covariance_形状为 (n_features, n_features) 的ndarray

估计的鲁棒协方差矩阵。

precision_形状为 (n_features, n_features) 的ndarray

估计的伪逆矩阵。（仅当 store_precision 为 True 时存储）

support_形状为 (n_samples,) 的ndarray

用于计算位置和形状的鲁棒估计的观测值的掩码。

offset_浮点数

用于从原始分数定义决策函数的偏移量。我们有关系式：decision_function = score_samples - offset_。该偏移量取决于污染参数，其定义方式使得我们在训练中能获得预期数量的异常值（决策函数小于0的样本）。

在 0.20 版本中新增。

raw_location_形状为 (n_features,) 的ndarray

修正和重新加权之前的原始鲁棒估计位置。

raw_covariance_形状为 (n_features, n_features) 的ndarray

修正和重新加权之前的原始鲁棒估计协方差。

raw_support_形状为 (n_samples,) 的ndarray

用于计算位置和形状的原始鲁棒估计的观测值掩码，在修正和重新加权之前。

dist_形状为 (n_samples,) 的ndarray

训练集（在其上调用了fit）观测值的马哈拉诺比斯距离。

n_features_in_整型

在fit期间看到的特征数量。

在 0.24 版本中新增。

feature_names_in_形状为 (n_features_in_,) 的ndarray

在fit期间看到的特征名称。仅当X的特征名称全为字符串时定义。

在 1.0 版本中新增。

另请参阅

EmpiricalCovariance

最大似然协方差估计器。

GraphicalLasso

使用L1惩罚估计器的稀疏逆协方差估计。

LedoitWolf

LedoitWolf 估计器。

MinCovDet

最小协方差行列式（鲁棒协方差估计器）。

OAS

Oracle 近似收缩估计器。

ShrunkCovariance

带收缩的协方差估计器。

注意

从协方差估计进行异常值检测在高维设置中可能会失效或表现不佳。特别是，始终要注意使用n_samples > n_features ** 2。

参考文献

[1]

Rousseeuw, P.J., Van Driessen, K. “A fast algorithm for the minimum covariance determinant estimator” Technometrics 41(3), 212 (1999)

示例

>>> import numpy as np
>>> from sklearn.covariance import EllipticEnvelope
>>> true_cov = np.array([[.8, .3],
...                      [.3, .4]])
>>> X = np.random.RandomState(0).multivariate_normal(mean=[0, 0],
...                                                  cov=true_cov,
...                                                  size=500)
>>> cov = EllipticEnvelope(random_state=0).fit(X)
>>> # predict returns 1 for an inlier and -1 for an outlier
>>> cov.predict([[0, 0],
...              [3, 3]])
array([ 1, -1])
>>> cov.covariance_
array([[0.7411, 0.2535],
       [0.2535, 0.3053]])
>>> cov.location_
array([0.0813 , 0.0427])
correct_covariance(data)[source]#

对原始最小协方差行列式估计应用校正。

使用Rousseeuw和Van Driessen在[RVD]中提出的经验校正因子进行校正。

参数:
data形状为 (n_samples, n_features) 的类数组

数据矩阵，包含p个特征和n个样本。数据集必须是用于计算原始估计的数据集。

返回:
covariance_corrected形状为 (n_features, n_features) 的ndarray

修正后的鲁棒协方差估计。

参考文献

[RVD]

A Fast Algorithm for the Minimum Covariance Determinant Estimator, 1999, American Statistical Association and the American Society for Quality, TECHNOMETRICS

decision_function(X)[source]#

计算给定观测值的决策函数。

参数:
X形状为 (n_samples, n_features) 的类数组

数据矩阵。

返回:
decision形状为 (n_samples,) 的ndarray

样本的决策函数。它等于偏移后的马哈拉诺比斯距离。作为异常值的阈值为0，这确保了与其他异常值检测算法的兼容性。

error_norm(comp_cov, norm='frobenius', scaling=True, squared=True)[source]#

计算两个协方差估计器之间的均方误差。

参数:
comp_cov形状为 (n_features, n_features) 的类数组

用于比较的协方差。

norm{"frobenius", "spectral"}，默认值="frobenius"

用于计算误差的范数类型。可用的误差类型： - ‘frobenius’（默认）：sqrt(tr(A^t.A)) - ‘spectral’：sqrt(max(eigenvalues(A^t.A))，其中 A 是误差 (comp_cov - self.covariance_)。

scaling布尔值，默认值=True

如果为True（默认值），则将平方误差范数除以n_features。如果为False，则不重新缩放平方误差范数。

squared布尔值，默认值=True

是否计算平方误差范数或误差范数。如果为True（默认值），则返回平方误差范数。如果为False，则返回误差范数。

返回:
result浮点数

self 和 comp_cov 协方差估计器之间的均方误差（以Frobenius范数表示）。

fit(X, y=None)[source]#

拟合 EllipticEnvelope 模型。

参数:
X形状为 (n_samples, n_features) 的类数组

训练数据。

y忽略

未使用，按约定为API一致性而存在。

返回:
self对象

返回实例本身。

fit_predict(X, y=None, **kwargs)[source]#

对 X 执行拟合并返回 X 的标签。

异常值返回 -1，正常值返回 1。

参数:
X形状为 (n_samples, n_features) 的{类数组, 稀疏矩阵}

输入样本。

y忽略

未使用，按约定为API一致性而存在。

**kwargs字典

传递给 fit 的参数。

在 1.4 版本中新增。

返回:
y形状为 (n_samples,) 的ndarray

正常值为 1，异常值为 -1。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查阅用户指南，了解路由机制的工作原理。

返回:
routingMetadataRequest

一个封装了路由信息的MetadataRequest对象。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:
deep布尔值，默认值=True

如果为 True，将返回此估计器及其包含的作为估计器的子对象的参数。

返回:
params字典

参数名称及其对应的值。

get_precision()[source]#

精度矩阵的获取器。

返回:
precision_形状为 (n_features, n_features) 的类数组

与当前协方差对象关联的精度矩阵。

mahalanobis(X)[source]#

计算给定观测值的平方马哈拉诺比斯距离。

参数:
X形状为 (n_samples, n_features) 的类数组

我们计算其马哈拉诺比斯距离的观测值。观测值被假定来自与拟合数据相同的分布。

返回:
dist形状为 (n_samples,) 的ndarray

观测值的平方马哈拉诺比斯距离。

predict(X)[source]#

根据已拟合模型预测 X 的标签（1表示正常值，-1表示异常值）。

参数:
X形状为 (n_samples, n_features) 的类数组

数据矩阵。

返回:
is_inlier形状为 (n_samples,) 的ndarray

异常返回 -1，正常值返回 +1。

reweight_covariance(data)[source]#

重新加权原始最小协方差行列式估计。

使用 Rousseeuw 的方法（相当于在计算位置和协方差估计之前从数据集中删除异常观测值）重新加权观测值，该方法在[RVDriessen]中描述。

参数:
data形状为 (n_samples, n_features) 的类数组

数据矩阵，包含p个特征和n个样本。数据集必须是用于计算原始估计的数据集。

返回:
location_reweighted形状为 (n_features,) 的ndarray

重新加权的鲁棒位置估计。

covariance_reweighted形状为 (n_features, n_features) 的ndarray

重新加权的鲁棒协方差估计。

support_reweighted形状为 (n_samples,) 且 dtype=bool 的ndarray

用于计算重新加权的鲁棒位置和协方差估计的观测值掩码。

参考文献

[RVDriessen]

A Fast Algorithm for the Minimum Covariance Determinant Estimator, 1999, American Statistical Association and the American Society for Quality, TECHNOMETRICS

score(X, y, sample_weight=None)[source]#

返回给定测试数据和标签上的平均准确度。

在多标签分类中，这是子集准确度，这是一个严格的指标，因为它要求每个样本的每个标签集都被正确预测。

参数:
X形状为 (n_samples, n_features) 的类数组

测试样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组

X 的真实标签。

sample_weight形状为 (n_samples,) 的类数组，默认值=None

样本权重。

返回:
score浮点数

self.predict(X) 相对于 y 的平均准确度。

score_samples(X)[source]#

计算负马哈拉诺比斯距离。

参数:
X形状为 (n_samples, n_features) 的类数组

数据矩阵。

返回:
negative_mahal_distances形状为 (n_samples,) 的类数组

马哈拉诺比斯距离的相反数。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单估计器和嵌套对象（例如Pipeline）。后者具有<component>__<parameter>形式的参数，因此可以更新嵌套对象的每个组件。

参数:
**params字典

估计器参数。

返回:
self估计器实例

估计器实例。