शुरू करेंमुफ़्त में शुरू करें

Robust z-scores की गणना

आइए फिर से transfers डेटासेट देखें जिसे आपने Chapter 1 में इस्तेमाल किया था. इस डेटासेट में 222 transactions हैं और चार ज्ञात fraud केस हैं, जिन्हें वैरिएबल fraud_flag में 1 से दर्शाया गया है. आपने पहले frequency और recency फीचर्स का अध्ययन किया था. इस बार हम केवल amount वैरिएबल पर ध्यान देंगे और इसी पर univariate outlier detection तकनीकें लागू करके fraud केस ढूँढने की कोशिश करेंगे.

यदि आपको इसकी संरचना याद ताज़ा करने की ज़रूरत हो, तो बेझिझक Console में डेटासेट को explore करें. आप पिछले वीडियो में दिखाए गए फंक्शनों की जाँच करने के लिए स्लाइड्स भी देख सकते हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Fraud Detection

पाठ्यक्रम देखें

अभ्यास निर्देश

  • पता करें कि किन observations को fraud के रूप में पहचाना गया है.
  • वैरिएबल amount के लिए median और median absolute deviation (mad) compute करें.
  • Location और scatter के robust estimates का उपयोग करके प्रत्येक observation के लिए robust z-score compute करें.
  • किन observations का robust z-score absolute मान में 3 से अधिक है?

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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(___) > ___)
कोड संपादित करें और चलाएँ