Usare gli z-score modificati con PyOD
È il momento di mettere pyod al lavoro sugli outlier. Usiamo lo stimatore MAD di pyod per applicare gli z-score modificati. Lo stimatore utilizza già internamente la funzione median_abs_deviation, quindi non è necessario ripetere i passaggi precedenti.
Lo stimatore MAD è già stato caricato da pyod.models.mad e i dati sono disponibili come prices.
Questo esercizio fa parte del corso
Rilevamento delle anomalie in Python
Istruzioni dell'esercizio
- Inizializza
MAD()con unthresholddi 3.5. - Rimodella
pricesper renderlo bidimensionale (2D). - Genera le etichette inlier/outlier su
priceseseguendo fit e predict contemporaneamente conmad. - Sottocampiona
labelsper gli outlier, che sono indicati con 1.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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))