{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Anomaly Detection"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## Darts"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "# Загрузите многомерный ряд, обрежьте его, сохраните 2 компонента, разделите поезд и наборы проверки:\n",
    "\n",
    "from darts.datasets import ETTh2Dataset\n",
    "\n",
    "series = ETTh2Dataset().load()[:10000][[\"MUFL\", \"LULL\"]]\n",
    "train, val = series.split_before(0.6)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "# Создайте систему оценки аномалий k-средних, \n",
    "# обучите ее на наборе поездов и используйте в проверочном наборе для получения оценок аномалий:\n",
    "\n",
    "from darts.ad import KMeansScorer\n",
    "\n",
    "scorer = KMeansScorer(k=2, window=5)\n",
    "scorer.fit(train)\n",
    "anom_score = scorer.score(val)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "# Создайте детектор бинарных аномалий и обучите его на основе оценок поезда, а затем используйте его на результатах проверки, чтобы получить классификацию бинарных аномалий:\n",
    "\n",
    "from darts.ad import QuantileDetector\n",
    "\n",
    "detector = QuantileDetector(high_quantile=0.99)\n",
    "detector.fit(scorer.score(train))\n",
    "binary_anom = detector.detect(anom_score)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "language_info": {
   "name": "python"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}