Scorul de distanță k-nearest neighbors

Introducere în Detecția Anomaliilor în R

Alastair Rushworth

Data Scientist

Dimensiunile mobilierului

plot(Width ~ Height, data = furniture)

Distanța k-nearest neighbors (kNN)

Anomaliile se află de obicei departe de vecini

Intrări pentru calculul matricei de distanțe

library(FNN)
furniture_knn <- get.knn(data = furniture, k = 5)

Argumente

data: matricea de date
k: numărul de vecini

Rezultatul matricei de distanțe

get.knn() returnează două matrice

names(furniture_knn)

"nn.index" "nn.dist"

Matricea de distanțe

head(furniture_knn$nn.dist, 3)

         [,1]     [,2]     [,3]     [,4]     [,5]
[1,] 5.128300 5.367791 5.390801 5.740713 8.477025
[2,] 4.300093 5.367791 6.159139 7.091966 7.428176
[3,] 3.047502 3.545978 4.426266 5.006570 5.654202

Scorul de distanță kNN

Distanța medie față de cei mai apropiați vecini

furniture_score <- rowMeans(furniture_knn$nn.dist)

Cel mai mare scor?

which.max(furniture_score)

Să exersăm!

Introducere în Detecția Anomaliilor în R