Usando z-scores modificados com PyOD
É hora de aplicar o pyod para detectar outliers. Vamos usar o estimador MAD do pyod para trabalhar com z-scores modificados. Esse estimador já usa a função median_abs_deviation internamente, então não é necessário repetir os passos anteriores.
O estimador MAD já foi importado de pyod.models.mad e os dados estão disponíveis como prices.
Este exercício faz parte do curso
Detecção de Anomalias em Python
Instruções do exercício
- Inicialize
MAD()comthresholdigual a 3.5. - Remodele
pricespara ficar 2D. - Gere os rótulos de inliers/outliers em
pricesajustando e prevendo commadao mesmo tempo. - Faça o subconjunto de
labelspara os outliers, que são indicados por 1.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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))