Isolation Forest na časových řadách
Pokud chceš využít všechny dostupné informace, můžeš přizpůsobit multivariátní detektor odlehlých hodnot celé datové sadě. Multivariátní přístup ti navíc umožňuje extrahovat z časových řad více příznaků a tím zlepšit výkon modelu.
Procvič si vytváření nových příznaků z DatetimeIndex a trénování detektoru odlehlých hodnot na těchto příznacích – použij k tomu dataset apple, který je již načtený s DatetimeIndex.
Nezapomeň také na parametr random_state, který zajistí reprodukovatelné výsledky.
Toto cvičení je součástí kurzu
Detekce anomálií v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____