回顾：服务器监控

本课属于 Coddy Machine Learning 学习旅程的“无监督学习”单元。第 38 课，共 51 课。

挑战

中等

一台 Web 服务器记录了夜班期间每分钟的数据。哪些分钟确实很异常？

对这四个 columns 进行缩放。
使用孤立森林（contamination=0.03、random_state=0）和 LOF（n_neighbors=20、contamination=0.03）标记异常分钟。
按时间顺序打印两种方法都标记的分钟，如下所示。
用散点图绘制每分钟的数据，横轴为请求数，纵轴为延迟，标签为 minutes。用红色圆圈标出两种方法都标记的分钟，标签为 both detectors。添加图例并显示图表。

另一个夜晚的数据：

Both detectors flag 5 minutes:
  00:25: 1116 requests/s, 186 ms
  01:10: 2106 requests/s, 95 ms
  02:00: 1151 requests/s, 133 ms
  02:40: 835 requests/s, 142 ms
  03:10: 1774 requests/s, 82 ms

一个夜晚的服务器分钟数据，横轴为每秒请求数，纵轴为延迟：一片向上延伸的数据云，上方有三个延迟较高的分钟用红圈标出，右侧远处有两个请求繁忙的分钟

随后，Coddy 会描述你的图表。

亲手试试

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import IsolationForest
from sklearn.neighbors import LocalOutlierFactor

# Web 服务器夜班期间每分钟对应一行数据
log = pd.read_csv("servers.csv")
columns = ["cpu_pct", "memory_gb", "requests_per_s", "latency_ms"]

# 不要修改下面的代码行
fig, ax = plt.subplots()
ax.set_title("Server Watch")
ax.set_xlabel("Requests per second")
ax.set_ylabel("Latency (ms)")

# 在下面编写你的代码