Lucrul cu variabile categoriale

Introducere în Detecția Anomaliilor în R

Alastair Rushworth

Data Scientist

Verificarea claselor coloanelor

Clasa unei singure coloane

class(sat$V1)

"numeric"

Clasa tuturor coloanelor

sapply(X = sat, FUN = class)

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

Isolation forest

Codificarea variabilelor categoriale ca factor

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

class(sat$high_low)

"factor"

Antrenarea isolation forest

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

LOF cu factori

Distanța Gower măsoară distanța dintre puncte cu variabile categoriale și numerice

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

Transmiterea sat_dist către lof

sat_lof <- lof(sat_dist, k = 10)

Explorarea matricei de distanțe Gower

Convertirea obiectului în matrice

sat_distmat <- as.matrix(sat_dist)

Identificarea distanțelor minime și maxime dintre puncte

range(sat_distmat)

0.0000000 0.8680774

Să exersăm!

Introducere în Detecția Anomaliilor în R