LOF vs. kNN
Es ist üblich, sich zuerst die Punkte mit den höchsten Anomalie-Scores anzusehen, bevor man etwas unternimmt. Wenn mehrere Algorithmen verwendet werden, können die Punkte mit den höchsten Scores unterschiedlich sein.
In dieser letzten Übung berechnest du neue LOF- und kNN-Distanz-Scores für die wine-Daten und gibst den jeweils höchstbewerteten Punkt aus.
Diese Übung ist Teil des Kurses
<Kurs>Einführung in die Anomalieerkennung in R</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Scaled wine data
wine_scaled <- scale(wine)
# Calculate distance matrix
wine_nn <-
# Append score column to data
wine$score_knn <-