Travailler avec des caractéristiques catégorielles

Introduction à la détection d'anomalies en R

Alastair Rushworth

Data Scientist

Vérifier les classes de colonnes

Classe d'une seule colonne

class(sat$V1)

"numeric"

Classe de toutes les colonnes

sapply(X = sat, FUN = class)

      label          V1          V2          V3         V4          V5          V6    high_low
  "numeric"   "numeric"   "numeric"   "numeric"  "numeric"   "numeric"   "numeric" "character"
Introduction à la détection d'anomalies en R

Isolation forest

Encoder les caractéristiques catégorielles en facteur

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

class(sat$high_low)

"factor"

Entraîner un isolation forest

sat_for <- iForest(sat[, -1], nt = 100)
Introduction à la détection d'anomalies en R

LOF avec facteurs

La distance de Gower mesure la distance entre des points avec des caractéristiques catégorielles et numériques

  

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

Passer sat_dist à lof

sat_lof <- lof(sat_dist, k = 10)

Introduction à la détection d'anomalies en R

Explorer la matrice de distances de Gower

  • Convertir l'objet en matrice
sat_distmat <- as.matrix(sat_dist)

 

  • Trouver les distances interpoints max et min
range(sat_distmat)

0.0000000 0.8680774
Introduction à la détection d'anomalies en R

Passons à la pratique !

Introduction à la détection d'anomalies en R

Preparing Video For Download...