Práce s kategorickými příznaky

Úvod do detekce anomálií v R

Alastair Rushworth

Data Scientist

Kontrola tříd sloupců

Třída jednoho sloupce

class(sat$V1)

"numeric"

Třída všech sloupců

sapply(X = sat, FUN = class)

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

Izolační les

Kódování kategorických příznaků jako faktor

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

class(sat$high_low)

"factor"

Trénování izolačního lesa

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

LOF s faktory

Gowerova vzdálenost měří vzdálenost mezi body s kategorickými i numerickými příznaky

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

Předání sat_dist do lof

sat_lof <- lof(sat_dist, k = 10)

Zkoumání Gowerovy matice vzdáleností

Převod objektu na matici

sat_distmat <- as.matrix(sat_dist)

Nalezení maximální a minimální mezibodové vzdálenosti

range(sat_distmat)

0.0000000 0.8680774

Pojďme si procvičit!

Úvod do detekce anomálií v R