Isolation Forest em séries temporais
Se você quiser usar todas as informações disponíveis, pode ajustar um detector de outliers multivariado ao conjunto de dados inteiro. A abordagem multivariada também permite extrair mais features de séries temporais para melhorar o desempenho do modelo.
Pratique criando novas features a partir de um DatetimeIndex e ajustando um detector de outliers nelas usando o conjunto apple, que já foi carregado com um DatetimeIndex.
Lembre-se também do parâmetro random_state, que pode ser usado para gerar resultados reproduzíveis.
Este exercício faz parte do curso
Detecção de Anomalias em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____