時系列へのIsolation Forest
利用可能なすべての情報を使いたい場合は、データセット全体に対して多変量の外れ値検出器を適合させることができます。多変量アプローチでは、時系列からより多くの特徴量を抽出して、モデル性能を高めることも可能です。
すでに DatetimeIndex が設定されている apple データセットを使って、DatetimeIndex から新しい特徴量を作成し、それらに外れ値検出器を適合させる練習をしましょう。
また、再現可能な結果を得るために使用できる random_state パラメータも思い出してください。
この演習はコースの一部です
Anomaly Detection in Python
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____