feat(browser): auto-commit con 178 cambios

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

python/functions/datascience/isolation_forest_outliers.md

@@ -0,0 +1,79 @@
+---
+name: isolation_forest_outliers
+kind: function
+lang: py
+domain: datascience
+version: "1.0.0"
+purity: pure
+signature: "def isolation_forest_outliers(columns: dict, contamination: float = 0.05, max_report: int = 50) -> dict"
+description: "Detecta outliers MULTIVARIANTE (filas anomalas considerando todas las columnas a la vez, no columna a columna) con sklearn IsolationForest. Estandariza con StandardScaler, descarta filas con None y usa random_state=0 para resultados deterministas. Devuelve conteo, porcentaje, filas anomalas ordenadas (mas anomala primero) con su score, umbral y dimensiones usadas. Con <2 columnas numericas o <10 filas validas devuelve note 'datos insuficientes' sin petar."
+tags: [eda, models, outliers, anomaly-detection, isolation-forest, multivariate, sklearn]
+params:
+  - name: columns
+    desc: "dict {nombre_columna: [valores numericos]}. Listas alineadas por fila (la fila i de cada columna forma una observacion). Solo se usan columnas cuyos valores sean todos numericos (None permitido por fila, NaN/Inf descartan la columna); el resto se ignora."
+  - name: contamination
+    desc: "Proporcion esperada de outliers en [0, 0.5], pasada a IsolationForest. Sube/baja la fraccion de filas marcadas. Default 0.05."
+  - name: max_report
+    desc: "Maximo de filas anomalas a devolver en outlier_rows, mas anomala primero. n_outliers cuenta TODAS aunque se trunque el detalle. Default 50."
+output: "dict {n_outliers: total de filas outlier; outlier_pct: % sobre filas validas (0-100); outlier_rows: lista de {row_index, score} ordenada por score asc (mas anomala primero), truncada a max_report; threshold: umbral de decision (model.offset_), outlier <=> decision_function < threshold; n_rows_used: filas validas tras descartar None; n_features: columnas numericas usadas}. row_index cuenta SOLO las filas validas (sin None), en orden de aparicion empezando en 0 — no es el indice original si se descarto alguna fila. Si <2 columnas numericas o <10 filas validas: {n_outliers: 0, note: 'datos insuficientes'}."
+uses_functions: []
+uses_types: []
+returns: []
+returns_optional: false
+error_type: ""
+imports: []
+tested: true
+tests: ["test_cloud_with_three_far_points_flags_them", "test_insufficient_columns_returns_note", "test_insufficient_rows_returns_note"]
+test_file_path: "python/functions/datascience/isolation_forest_outliers_test.py"
+file_path: "python/functions/datascience/isolation_forest_outliers.py"
+---
+
+## Ejemplo
+
+```python
+from datascience import isolation_forest_outliers
+
+# Nube densa alrededor de (0, 0) + 3 puntos claramente alejados al final.
+xs = [0.1, -0.2, 0.0, 0.3, -0.1, 0.2, -0.3, 0.05, -0.15, 0.25, 0.0, -0.05]
+ys = [0.0, 0.1, -0.1, 0.2, -0.2, 0.05, -0.05, 0.15, -0.25, 0.1, 0.0, 0.2]
+# 3 outliers multivariante (lejos de la nube en el plano):
+xs += [9.0, -8.5, 10.0]
+ys += [9.5, -9.0, -8.0]
+
+columns = {"x": xs, "y": ys}
+result = isolation_forest_outliers(columns, contamination=0.2, max_report=10)
+
+print(result["n_outliers"])        # >= 3
+print(result["n_rows_used"], result["n_features"])  # 15 2
+for row in result["outlier_rows"]:
+    print(row["row_index"], round(row["score"], 4))
+# Las filas 12, 13, 14 (los 3 puntos lejanos) aparecen primero, score mas bajo.
+```
+
+## Cuando usarla
+
+Cuando quieras encontrar **filas anomalas de una tabla mirando todas sus
+columnas a la vez** en la fase EDA, en lugar de buscar outliers columna a
+columna con z-score/IQR. Es el caso en que una observacion es razonable en cada
+variable por separado pero rara en su combinacion (p.ej. peso bajo + altura
+alta). Pasale las columnas numericas alineadas por fila y te devuelve las filas
+mas sospechosas ordenadas por anomalia para inspeccionarlas. Modelo barato y
+determinista (`random_state=0`), apto para correr de forma reproducible dentro
+de un perfilado.
+
+## Gotchas
+
+- **Pura solo porque fija `random_state=0`**: IsolationForest es estocastico;
+  sin la semilla los resultados variarian entre llamadas. No cambiar la semilla
+  si se quiere determinismo.
+- **row_index es relativo a las filas validas**: si alguna fila tenia None en
+  una columna usada, se descarta y los indices se recalculan sobre las filas
+  que quedan (orden de aparicion, base 0). No mapea 1:1 con las listas de
+  entrada cuando hay None.
+- **Seleccion de columnas estricta**: una columna con cualquier valor no
+  numerico (str, bool, NaN, Inf) se ignora por completo. Si quedan <2 columnas
+  numericas, devuelve `note: "datos insuficientes"`.
+- **Minimo 10 filas validas**: con menos, devuelve `note` en vez de un modelo
+  poco fiable.
+- `contamination` influye en cuantas filas se marcan; con datos sin outliers
+  reales un valor alto forzara falsos positivos.