Uso de puntuaciones z modificadas con PyOD
Es hora de aplicar pyod para detectar valores atípicos. Usaremos el estimador MAD de pyod para trabajar con puntuaciones z modificadas. Este estimador ya utiliza internamente la función median_abs_deviation, así que no hace falta repetir los pasos anteriores.
El estimador MAD ya se ha importado desde pyod.models.mad y los datos están disponibles como prices.
Este ejercicio forma parte del curso
Detección de anomalías en Python
Instrucciones del ejercicio
- Inicializa
MAD()con unthresholdde 3.5. - Redimensiona
pricespara que sea 2D. - Genera etiquetas de inlier/outlier en
pricesajustando y prediciendo a la vez conmad. - Selecciona en
labelslos outliers, que están indicados como 1.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Initialize with a threshold of 3.5
mad = ____(____=____)
# Reshape prices to make it 2D
prices_reshaped = ____.____(-1, 1)
# Fit and predict outlier labels on prices_reshaped
labels = ____
# Filter for outliers
outliers = ____[____ == ____]
print(len(outliers))