Исправление и доработка готовой работы по основам программирования: «улучшить точность прогнозов моделей для dbscan от до произвольной точности для isolation forest от до для autoencoder от до» заказ № 3030040

Есть готовые файлы проекта по выявлению аномалий в данных для 3 моделей: dbscan, isolation forest и autoencoder, а также файл в google collab, который получает данные, обрабатывает их, обучает модели и сохраняет их. На данный момент очень низкая точность прогноза - аномальными помечаются как данные с отклонениями, так и без них. Требования: Улучшить точность прогнозов моделей (для dbscan: от 0 до произвольной точности, для isolation forest: от 70 до 80+, для autoencoder: от 45 до 80+) ГДЕ БРАТЬ ДАННЫЕ: https://www.backblaze.com/cloud-storage/resources/hard-drive-test-data Данные представляют собой папки формата data_Q*_20**. В ней данные за прошедший квартал формата csv. Возможно такое количество данных избыточно для обучения. Используйте сколько требуется Уточнения по поводу файлов: train_model.ipynb — в нем описана логика обработки данных, обучение моделей и сохраненеи в формате для дальнейшего использования в программе Server.py. Для работы нужно создать директорию trained_models, куда будут сохраняться модели после обучения (в коде указана данная директория) Server.py — создает базу данных sqlite, куда будут записываться данные (в столбец anomaly пишется 0 есл и данные нормальные и 1 если нет) после расшифрования и обработки подключенной моделью. Также поднимает сервер CoAP, так что передавать ему данные тоже следует по CoAP (такой формат отправки организован в payload_sender.py). При этом данные он принимает по пароля и с расшифровывает его при помощи ключа шифрования такого же как и в generator_encrypted_binary.py. В конце файлы написаны команды для запуска Сервера с нужной моделью (сервер берет обученные модели из папки trained_models) autoencoder, dbscan и isolation_forest — файлы, описывающие логику конкретных моделей payload_sender.py — отправляет файлы с зашифрованными данными .bin по CoAP на нужный сервер (внутри надо указать ip) generator_encrypted_binary.py — шифрует данные и создает .binary для отправки на сервер. Перед этим создайте свой ключ шифрования Fernet и добавьте в файл Server.py и generator_encrypted_binary.py test_payload.json — файл с корректными данными test-payload_failure.json — файл с некорректными данными (возможно требуется редактирование для точного детектирования аномалии)