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
Python ile Anomali Tespiti
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____