椭圆包络

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

用于检测高斯分布数据集中异常值的对象。

更多信息请参见用户指南。

参数：

store_precision布尔值，默认为True

指定是否存储估计的精度。

assume_centered布尔值，默认为False

如果为 True，则计算稳健位置和协方差估计的支持，并据此重新计算协方差估计，无需对数据进行中心化处理。这对于处理均值显著等于零但不完全等于零的数据很有用。如果为 False，则使用 FastMCD 算法直接计算稳健位置和协方差，无需额外处理。

support_fraction浮点数，默认值=None

原始 MCD 估计支持中包含的点数比例。如果为 None，则算法中将使用 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

数据集的污染程度，即数据集中异常值的比例。范围为 (0, 0.5]。

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

确定用于数据洗牌的伪随机数生成器。传递一个整数以在多次函数调用中获得可重复的结果。参见 词汇表。

属性：

location_形状为 (n_features,) 的 ndarray

估计的稳健位置。

covariance_形状为 (n_features, n_features) 的 ndarray

估计的稳健协方差矩阵。

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稳健估计值的观测值的掩码。

offset_浮点数

用于根据原始分数定义决策函数的偏移量。我们有关系： decision_function = score_samples - offset_。偏移量取决于污染参数，并以获得训练中预期数量的异常值（决策函数 < 0 的样本）的方式定义。

0.20 版本中添加。

raw_location_形状为 (n_features,) 的 ndarray

校正和重新加权之前的原始稳健估计位置。

raw_covariance_形状为 (n_features, n_features) 的 ndarray

校正和重新加权之前的原始稳健估计协方差。

raw_support_形状为 (n_samples,) 的 ndarray

用于计算原始稳健位置和形状估计值的观测值的掩码，在校正和重新加权之前。

dist_形状为 (n_samples,) 的 ndarray

训练集（在其上调用 fit）观测值的马氏距离。

n_features_in_整数

在 拟合期间看到的特征数量。

0.24 版本中添加。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

在 拟合期间看到的特征名称。仅当 X 的特征名称全部为字符串时才定义。

1.0 版本中添加。

另请参见

EmpiricalCovariance

最大似然协方差估计器。

GraphicalLasso

使用 l1 正则化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（协方差的稳健估计器）。

OAS

Oracle 近似收缩估计器。

ShrunkCovariance

具有收缩的协方差估计器。

备注

来自协方差估计的异常值检测可能在高维设置中失效或性能不佳。特别是，人们总是需要注意使用 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)

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] 中建议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，具有 p 个特征和 n 个样本。数据集必须是用于计算原始估计值的数据集。

返回值：

covariance_corrected形状为 (n_features, n_features) 的 ndarray

校正后的稳健协方差估计。

参考文献

[RVD]

最小协方差行列式估计器的快速算法，1999 年，美国统计协会和美国质量协会，TECHNOMETRICS

decision_function(X)

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。

返回值：

decision形状为 (n_samples,) 的 ndarray

样本的决策函数。它等于移位的马氏距离。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)

计算两个协方差估计量之间的均方误差。

参数：

comp_covarray-like of shape (n_features, n_features)

用于比较的协方差。

norm{“frobenius”, “spectral”}, default=”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_)。

scalingbool, default=True

如果为 True (默认)，则平方误差范数将除以 n_features。如果为 False，则平方误差范数不会重新缩放。

squaredbool, default=True

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

返回值：

resultfloat

self 和 comp_cov 协方差估计量之间的均方误差（在 Frobenius 范数的意义上）。

fit(X, y=None)

拟合椭圆包络模型。

参数：

X形状为 (n_samples, n_features) 的类数组

训练数据。

yIgnored

未使用，出于 API 一致性约定而存在。

返回值：

selfobject

返回实例本身。

fit_predict(X, y=None, **kwargs)

对 X 执行拟合并返回 X 的标签。

对异常值返回 -1，对内点返回 1。

参数：

X{array-like, sparse matrix} of shape (n_samples, n_features)

输入样本。

yIgnored

未使用，出于 API 一致性约定而存在。

**kwargsdict

要传递给 fit 的参数。

1.4 版本中添加。

返回值：

yndarray of shape (n_samples,)

内点为 1，异常值为 -1。

get_metadata_routing()

获取此对象的元数据路由。

请查看 用户指南，了解路由机制的工作原理。

返回值：

routingMetadataRequest

一个 MetadataRequest，封装了路由信息。

get_params(deep=True)

获取此估计器的参数。

参数：

deepbool, default=True

如果为 True，则将返回此估计器和包含的作为估计器的子对象的的参数。

返回值：

paramsdict

参数名称与其值的映射。

get_precision()

精度矩阵的 Getter。

返回值：

precision_array-like of shape (n_features, n_features)

与当前协方差对象关联的精度矩阵。

mahalanobis(X)

计算给定观测值的马氏距离平方。

参数：

X形状为 (n_samples, n_features) 的类数组

观测值，我们计算其马氏距离。假设观测值与拟合中使用的数据来自相同的分布。

返回值：

distndarray of shape (n_samples,)

观测值的马氏距离平方。

predict(X)

根据拟合模型预测 X 的标签（内点为 1，异常值为 -1）。

参数：

X形状为 (n_samples, n_features) 的类数组

数据矩阵。

返回值：

is_inlierndarray of shape (n_samples,)

对异常值返回 -1，对内点返回 +1。

reweight_covariance(data)

重新加权原始最小协方差行列式估计。

使用 Rousseeuw 的方法重新加权观测值（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），如 [RVDriessen] 中所述。

参数：

data形状为 (n_samples, n_features) 的类数组

数据矩阵，具有 p 个特征和 n 个样本。数据集必须是用于计算原始估计值的数据集。

返回值：

location_reweightedndarray of shape (n_features,)

重新加权的稳健位置估计。

covariance_reweightedndarray of shape (n_features, n_features)

重新加权的稳健协方差估计。

support_reweightedndarray of shape (n_samples,), dtype=bool

用于计算重新加权的稳健位置和协方差估计的观测值的掩码。

参考文献

[RVDriessen]

最小协方差行列式估计器的快速算法，1999 年，美国统计协会和美国质量协会，TECHNOMETRICS

score(X, y, sample_weight=None)

返回给定测试数据和标签的平均准确率。

在多标签分类中，这是子集准确率，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必须被正确预测。

参数：

X形状为 (n_samples, n_features) 的类数组

测试样本。

yarray-like of shape (n_samples,) or (n_samples, n_outputs)

X 的真实标签。

sample_weightarray-like of shape (n_samples,), default=None

样本权重。

返回值：

scorefloat

self.predict(X) 关于 y 的平均准确率。

score_samples(X)

计算负马氏距离。

参数：

X形状为 (n_samples, n_features) 的类数组

数据矩阵。

返回值：

negative_mahal_distancesarray-like of shape (n_samples,)

马氏距离的反值。

set_params(**params)

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（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：

**paramsdict

估计器参数。

返回值：

selfestimator instance

估计器实例。

图库示例

真实数据集上的异常值检测

真实数据集上的异常值检测

比较用于玩具数据集异常值检测的异常检测算法

比较用于玩具数据集异常值检测的异常检测算法