Gestionarea valorilor extreme
În acest exercițiu, vei gestiona valorile extreme – puncte de date atât de diferite față de restul setului, încât le tratezi diferit față de celelalte puncte „normale". Vei folosi rezultatul exercițiului anterior (variația procentuală în timp) pentru a detecta aceste valori extreme. Mai întâi vei scrie o funcție care înlocuiește valorile extreme cu valoarea mediană a întregii serii de timp.
Acest exercițiu face parte din cursul
Machine Learning pentru Date de Tip Șir de Timp în Python
Instrucțiuni pentru exercițiu
- Definește o funcție care primește o serie ca intrare și realizează următoarele:
- Calculează valoarea absolută a distanței fiecărui punct de date față de media seriei, apoi creează o mască booleană pentru punctele de date care se află la o distanță de trei ori deviația standard față de medie.
- Folosește această mască booleană pentru a înlocui valorile extreme cu mediana întregii serii.
- Aplică această funcție datelor tale și vizualizează rezultatele folosind codul dat.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
def replace_outliers(series):
# Calculate the absolute difference of each timepoint from the series mean
absolute_differences_from_mean = np.abs(series - np.mean(series))
# Calculate a mask for the differences that are > 3 standard deviations from zero
this_mask = absolute_differences_from_mean > (np.____(series) * ____)
# Replace these values with the median accross the data
series[this_mask] = np.____(series)
return series
# Apply your preprocessing function to the timeseries and plot the results
prices_perc = prices_perc.____
prices_perc.loc["2014":"2015"].plot()
plt.show()