sklearn.covariance.EllipticEnvelope¶

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

[源码]

用于检测高斯分布数据集中异常值的对象。

在用户指南中阅读更多内容。

参数	说明
store_precision	bool, default=True 指定是否存储估计的精度。
assume_centered	bool, default=False 如果为True，则计算稳健位置和协方差估计的支持度，并从中重新计算协方差估计，而不会先将数据中心化。这在处理均值显着等于零但不完全为零的数据时很有用。如果为False，则直接使用FastMCD算法计算稳健位置和协方差，而无需进行其他处理。
support_fraction	float, default=None 支持MCD原始估算的点数比例。如果为None，则将在算法中使用support_fraction的最小值：`[n_sample + n_features + 1] / 2`，范围是（0，1）。
contamination	float, default=0.1 数据集的污染量，即数据集中异常值的比例，范围是（0，0.5）。
random_state	int or RandomState instance, default=None 确定用于数据混洗的伪随机数生成器。在多个函数调用之间传递同一个整数值以获得重复的结果。请参阅：`Glossary <random_state>`。

属性	说明
location_	ndarray of shape (n_features,) 估计的位置
covariance_	ndarray of shape (n_features, n_features) 估计的稳健协方差矩阵
precision_	ndarray of shape (n_features, n_features) 估计的伪逆矩阵。（仅在store_precision为True时存储）
support_	ndarray of shape (n_samples,) 用于计算位置和形状的稳健估计的观测掩模。
offset_	float 偏移量，用于根据原始分数定义决策函数。我们有以下关系：`decision_function = score_samples - offset_`。偏移量取决于污染量参数，污染量被定义为预预计在训练中的异常值数量（使决策函数小于0的样本数）。 0.20版中的新功能。
raw_location_	ndarray of shape (n_features,) 校正和重加权之前的原始稳健估计位置。
raw_covariance_	ndarray of shape (n_features, n_features) 校正和重新加权之前的原始稳健估计协方差。
raw_support_	ndarray of shape (n_samples,) 在校正和重新加权之前，用于计算位置和形状的原始稳健估计的观测数据掩模。
dist_	ndarray of shape (n_samples,) （`fit`中的）训练集观测值的马氏距离。

另见

EmpiricalCovariance, MinCovDet

注

在高维设置中，根据协方差估计进行的异常值检测可能会中断或效果不佳。特别是，人们将常常与n_samples > n_features ** 2的数据打交道。

参考资料

R68ae096da0e4-1 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...])

方法

方法	说明
`correct_covariance`(self, data)	对原始的最小协方差行列式估计值进行校正。
`decision_function`(self, X)	计算给定观测值的决策函数。
`error_norm`(self, comp_cov[, norm, scaling, …])	计算两个协方差估计量之间的均方误差。
`fit`(self, X[, y])	拟合EllipticEnvelope模型。
`fit_predict`(self, X[, y])	对X执行拟合并返回样本的标签。
`get_params`(self[, deep])	获取此估计器的参数。
`get_precision`(self)	获取精确矩阵。
`mahalanobis`(self, X)	计算给定观测值的平方马氏距离。
`predict`(self, X)	根据拟合模型预测样本的标签（1为内点，-1为离群点）。
`reweight_covariance`(self, data)	重新加权原始最小协方差行列式估计值。
`score`(self, X, y[, sample_weight])	返回给定测试数据和标签上的平均精度。
`score_samples`(self, X)	计算负马氏距离。
`set_params`(self, **params)	设置此估算器的参数。

__init__(self, *, store_precision=True, assume_centered=False, support_fraction=None, contamination=0.1, random_state=None)

[源码]

初始化self. 请参阅help(type(self))以获得准确的说明。

correct_covariance(self, data)[source]

[源码]

对原始的最小协方差行列式估计值进行修正。

使用Rousseeuw和Van Driessen在[RVD]中建议的经验修正因子进行修正。

参数	说明
data	array-like of shape (n_samples, n_features) 具有p个特征和n个样本的数据矩阵。数据集必须是用于计算原始估计值的数据集。

返回值	说明
covariance_corrected	ndarray of shape (n_features, n_features) 校正过的稳定协方差估计。

参考

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

decision_function(self, X)

[源码]

计算给定观测值的决策函数。

参数	说明
X	array-like of shape (n_samples, n_features) 数据矩阵。

返回值	说明
decision	ndarray of shape (n_samples, ) 样本的决策函数。它等于移动的马氏距离。异常值的阈值为0，从而确保与其他异常值检测算法的兼容性。

error_norm(self, comp_cov, norm='frobenius', scaling=True, squared=True)

[源码]

计算两个协方差估计量之间的均方误差。（在Frobenius规范的意义上）。

参数	说明
comp_cov	array-like of shape (n_features, n_features) 要比较的协方差。
norm	orm{“frobenius”, “spectral”}, default=”frobenius” 用于计算误差的规范类型，可用的误差类型: - ‘frobenius’ (default): - ‘spectral’: 这里的A是 `(comp_cov - self.covariance_)`的误差
scaling	bool, default=True 如果为True（默认），则平方误差范数除以n_features。如果为False，则不会重新调整平方误差范数。
squared	bool, default=True 是计算平方误差范数还是误差范数。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	说明
result	float `self`和`comp_cov`协方差估计量之间的均方误差（按照Frobenius范式的含义）。

fit(self, X, y=None)

[源码]

拟合EllipticEnvelope模型。

参数	说明
X	{array-like, sparse matrix} of shape (n_samples, n_features) 训练数据
y	Ignored 未使用，出于API一致性目的而存在。

fit_predict(self, X, y=None)

[源码]

对X执行拟合并返回样本的标签。

对于离群值返回-1，对于非离群值返回1。

参数	说明
X	{array-like, sparse matrix, dataframe} of shape (n_samples, n_features)
y	Ignored 未使用，出于API一致性目的而存在。

返回值	说明
y	ndarray of shape (n_samples,) 1代表非离群点，-1代表离群点

get_params(self, deep=True)

[源码]

获取此估计器的参数。

参数	说明
deep	bool, default=True 如果为True，将返回估算器和所包含子对象的参数。

返回值	说明
params	mapping of string to any 参数名称映射到其值。

get_precision(self)

[源码]

获取精确度矩阵。

返回值	说明
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(self, X)

[源码]

计算给定观测值的平方马氏距离。

参数	说明
X	array-like of shape (n_samples, n_features) 观测值，用来计算马氏距离。假设观测数据与fit中使用的数据来自相同的分布。

返回值	说明
dist	ndarray of shape (n_samples,) 观测值的平方马氏距离。

predict(self, X)

[源码]

根据拟合模型预测X对应的样本标签（1为非离群点，-1为离群点）。

reweight_covariance(self, data)

[源码]

重新加权原始最小协方差行列式估计值。

使用[RVDriessen]中描述的Rousseeuw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离群值）对观测值进行加权。

参数	说明
data	array-like of shape (n_samples, n_features) 具有p个特征和n个样本的数据矩阵。数据集必须是用于计算原始估算值的数据集。

返回值	说明
location_reweighted	ndarray of shape (n_features,) 重新加权的稳健位置估算。
covariance_reweighted	ndarray of shape (n_features, n_features) 重新加权的稳健协方差估计。
support_reweighted	ndarray 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掩模。

参考

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

score(self, X, y, sample_weight=None)

[源码]

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，这是子集准确性，这是一个严格的指标，因为你需要为每个样本正确预测每个标签集。

参数	说明
X	array-like of shape (n_samples, n_features) 测试样本。
y	array-like of shape (n_samples,) or (n_samples, n_outputs) 样本对应的真实标签。
sample_weight	array-like of shape (n_samples,), default=None 样本权重。

返回值	说明
score	float self.predict（X）的平均准确度

score_samples(self, X)

[源码]

计算负马氏距离。

参数	说明
X	array-like of shape (n_samples, n_features) 数据矩阵。

返回值	说明
negative_mahal_distances	array-like of shape (n_samples,) 与Mahalanobis距离相反。

set_params(self, **params)

[源码]

设置此估计器的参数。

该方法适用于简单的估计器以及嵌套对象(如piplines)。后者具有形式为<component>__<parameter>的参数，这样就让更新嵌套对象的每个组件成为了可能。

参数	说明
**params	dict 估计器参数。

返回值	说明
self	object 估计器对象。

sklearn.covariance.EllipticEnvelope使用示例¶

真实数据集上的孤立点检测 ¶

对“玩具数据集”进行异常检测，并比较异常检测算法 ¶