Gewijzigde z-scores gebruiken met PyOD

Tijd om pyod los te laten op uitschieters. We gebruiken de MAD-schatter uit pyod om gewijzigde z-scores toe te passen. De schatter gebruikt onder water al de functie median_abs_deviation, dus het is niet nodig om de vorige stappen te herhalen.

De MAD-schatter is al geladen uit pyod.models.mad en de gegevens zijn beschikbaar als prices.

Deze oefening maakt deel uit van de cursus

Anomaly Detection in Python

Bekijk cursus

Oefeninstructies

Initialiseer MAD() met een threshold van 3.5.
Reshape prices zodat het 2D wordt.
Genereer inlier-/outlier-labels voor prices door mad tegelijk te fitten en te voorspellen.
Selecteer uit labels de outliers, die worden aangeduid met 1.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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))

Code bewerken en uitvoeren