Isolation Forest en series temporales
Si quieres aprovechar toda la información disponible, puedes ajustar un detector de valores atípicos multivariante a todo el conjunto de datos. Este enfoque también te permite extraer más características de las series temporales para mejorar el rendimiento del modelo.
Practica creando nuevas características a partir de un DatetimeIndex y ajustando un detector de valores atípicos sobre ellas usando el conjunto apple, que ya se ha cargado con un DatetimeIndex.
Además, recuerda el parámetro random_state, que puedes usar para generar resultados reproducibles.
Este ejercicio forma parte del curso
Detección de anomalías en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____