Isolation Forest บน Time Series
หากต้องการใช้ข้อมูลทั้งหมดที่มี สามารถ fit ตัวตรวจจับ outlier แบบ multivariate กับชุดข้อมูลทั้งชุดได้ แนวทาง multivariate ยังช่วยให้ดึง features เพิ่มเติมจาก time series เพื่อเพิ่มประสิทธิภาพของโมเดลได้อีกด้วย
ฝึกสร้าง features ใหม่จาก DatetimeIndex และ fit ตัวตรวจจับ outlier บน features เหล่านั้น โดยใช้ชุดข้อมูล apple ที่โหลดมาพร้อม DatetimeIndex แล้ว
อย่าลืม parameter random_state ที่ใช้สร้างผลลัพธ์ที่ reproduce ได้
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การตรวจจับความผิดปกติใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____