Isolation Forest pe serii de timp
Dacă vrei să folosești toate informațiile disponibile, poți antrena un detector de valori aberante multivariat pe întregul set de date. Abordarea multivariată îți permite, de asemenea, să extragi mai multe caracteristici din seriile de timp pentru a îmbunătăți performanța modelului.
Exersează crearea de caracteristici noi dintr-un DatetimeIndex și antrenarea unui detector de valori aberante pe acestea, folosind setul de date apple, care a fost deja încărcat cu un DatetimeIndex.
Reține că poți folosi parametrul random_state pentru a obține rezultate reproductibile.
Acest exercițiu face parte din cursul
Detecția anomaliilor în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____