Isolation Forest для часових рядів
Якщо ви хочете використати всю наявну інформацію, можна навчити багатовимірний детектор викидів на всьому наборі даних. Багатовимірний підхід також дає змогу витягати більше ознак з часових рядів, щоб підвищити продуктивність моделі.
Попрактикуйтеся у створенні нових ознак з DatetimeIndex і навчанні детектора викидів на них, використовуючи набір даних apple, який уже завантажено з DatetimeIndex.
Також згадайте про параметр random_state, який можна використати для відтворюваних результатів.
Ця вправа є частиною курсу
Виявлення аномалій у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Create three new features from the DatetimeIndex
apple['day_of_week'] = ____
apple['month'] = ____
apple['day_of_month'] = _____