Isolation Forest på tidsserier
Om du vill använda all tillgänglig information kan du anpassa en multivariat avvikelsedetekterare till hela datamängden. Den multivariata metoden gör det också möjligt att extrahera fler särdrag från tidsserier för att förbättra modellens prestanda.
Öva på att skapa nya särdrag från ett DatetimeIndex och anpassa en avvikelsedetekterare till dem med hjälp av datamängden apple, som redan har laddats med ett DatetimeIndex.
Kom även ihåg parametern random_state, som kan användas för att generera reproducerbara resultat.
Den här övningen är en del av kursen
Avvikelsedetektering i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____