Zaman serilerinde Isolation Forest
Erişilebilir tüm bilgileri kullanmak istersen, tüm veri kümesine çok değişkenli bir aykırı değer algılayıcı (outlier detector) uygulayabilirsin. Çok değişkenli yaklaşım, model performansını artırmak için zaman serilerinden daha fazla özellik çıkarmanı da sağlar.
DatetimeIndex'ten yeni özellikler oluşturmayı ve zaten DatetimeIndex ile yüklenmiş apple veri kümesi üzerinde bir aykırı değer algılayıcıyı eğitmeyi (fit etmeyi) pratiğe dök.
Ayrıca, tekrarlanabilir sonuçlar üretmek için kullanılabilen random_state parametresini hatırla.
Bu egzersiz, kursun bir parçasıdır
Python ile Anomali Tespiti
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____