Isolation Forest für Zeitreihen
Wenn du alle verfügbaren Informationen nutzen willst, kannst du einen multivariaten Ausreißer-Detektor auf den gesamten Datensatz fitten. Der multivariate Ansatz ermöglicht es dir außerdem, aus Zeitreihen zusätzliche Features zu extrahieren, um die Modellleistung zu verbessern.
Übe, neue Features aus einem DatetimeIndex zu erzeugen und einen Ausreißer-Detektor darauf mit dem apple-Datensatz zu fitten, der bereits mit einem DatetimeIndex geladen wurde.
Erinnere dich auch an den Parameter random_state, mit dem du reproduzierbare Ergebnisse erzeugen kannst.
Diese Übung ist Teil des Kurses
<Kurs>Anomalieerkennung mit Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____