Mit kategorialen Features arbeiten

Einführung in die Anomalieerkennung in R

Alastair Rushworth

Data Scientist

Spaltenklassen prüfen

Klasse einer einzelnen Spalte

class(sat$V1)

"numeric"

Klassen aller Spalten

sapply(X = sat, FUN = class)

      label          V1          V2          V3         V4          V5          V6    high_low
  "numeric"   "numeric"   "numeric"   "numeric"  "numeric"   "numeric"   "numeric" "character"

Isolation Forest

Kategoriale Features als Factor kodieren

sat$high_low <- as.factor(sat$high_low)

class(sat$high_low)

"factor"

Isolation Forest trainieren

sat_for <- iForest(sat[, -1], nt = 100)

LOF mit Factors

Gower-Distanz misst Abstände zwischen Punkten mit kategorialen & numerischen Features

library(cluster)
sat_dist <- daisy(sat[, -1], metric = "gower")

sat_dist an lof übergeben

sat_lof <- lof(sat_dist, k = 10)

Gower-Distanzmatrix erkunden

Objekt in Matrix umwandeln

sat_distmat <- as.matrix(sat_dist)

Max. und min. Punktabstände finden

range(sat_distmat)

0.0000000 0.8680774

Lass uns üben!

Einführung in die Anomalieerkennung in R