Détection des Anomalies

[Daeloran]

Implémenter la détection des anomalies pour identifier des points de données inhabituels qui pourraient indiquer des erreurs ou des phénomènes intéressants.

Tâches:

1. Utiliser des techniques de détection des anomalies (ex: Isolation Forest, DBSCAN).
2. Marquer et visualiser les anomalies détectées.

Exemple de code:

from sklearn.ensemble import IsolationForest

def detect_anomalies(df):
    clf = IsolationForest(contamination=0.1)
    df['anomaly'] = clf.fit_predict(df.select_dtypes(include=[np.number]))
    return df

def visualize_anomalies(df, x_col, y_col):
    anomalies = df[df['anomaly'] == -1]
    plt.scatter(df[x_col], df[y_col], color='blue', label='Normal')
    plt.scatter(anomalies[x_col], anomalies[y_col], color='red', label='Anomaly')
    plt.legend()
    plt.show()