Isolation Forest na szeregach czasowych
Jeśli chcesz wykorzystać wszystkie dostępne informacje, możesz dopasować wielowymiarowy detektor wartości odstających do całego zbioru danych. Podejście wielowymiarowe pozwala też wyodrębnić więcej cech z szeregów czasowych, co poprawia wydajność modelu.
Poćwicz tworzenie nowych cech na podstawie DatetimeIndex i dopasowywanie do nich detektora wartości odstających – użyj do tego zbioru danych apple, który został już wczytany z DatetimeIndex.
Pamiętaj też o parametrze random_state, który umożliwia uzyskanie powtarzalnych wyników.
To ćwiczenie jest częścią kursu
Wykrywanie anomalii w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____