Výpočet robustních z-skóre
Podíváme se znovu na datovou sadu transfers, kterou jsme použili v 1. kapitole.
Dataset obsahuje 222 transakcí a čtyři známé případy podvodu, označené hodnotou 1 v proměnné fraud_flag. Vlastnosti frekvence a nedávnosti jsme už zkoumali dříve.
Tentokrát se zaměříme pouze na proměnnou amount a pokusíme se odhalit podvodné případy pomocí technik detekce jednorozměrných odlehlých hodnot aplikovaných na tuto proměnnou.
Neváhej si datovou sadu prozkoumat v konzoli, pokud si potřebuješ osvěžit její strukturu. Funkce ukázané v předchozím videu najdeš také v prezentaci.
Toto cvičení je součástí kurzu
Detekce podvodů v R
Pokyny k cvičení
- Zjisti, která pozorování jsou označena jako podvod.
- Vypočítej medián a střední absolutní odchylku (mad) pro proměnnou
amount. - Pomocí robustních odhadů polohy a rozptylu vypočítej robustní z-skóre pro každé pozorování.
- Která pozorování mají robustní z-skóre vyšší než 3 v absolutní hodnotě?
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Get observations identified as fraud
which(___ == ___)
# Compute median and mean absolute deviation for `amount`
m <- median(___)
s <- ___(___)
# Compute robust z-score for each observation
robzscore <- abs((___ - ___) / (___))
# Get observations with robust z-score higher than 3 in absolute value
which(abs(___) > ___)