Klasifikator tetangga relasional

Model relasional didasarkan pada gagasan bahwa perilaku antarnode saling berkorelasi, artinya node yang terhubung cenderung berada dalam kelas yang sama. Secara khusus, klasifikator tetangga relasional memprediksi kelas suatu node berdasarkan node tetangganya dan sisi yang bersebelahan.

Himpunan data transfers berisi transaksi dari berbagai akun. Data account_info memuat informasi akun mana yang merupakan money mule. Namun, status akun "I41" sebagai money mule tidak diketahui. Prediksikan kecenderungan akun "I41" menjadi money mule menggunakan klasifikator tetangga relasional.

Latihan ini adalah bagian dari kursus

Deteksi Fraud di R

Lihat Kursus

Petunjuk latihan

Buat grafik yang tidak berarah bernama net berdasarkan transfers. Atur directed ke boolean yang sesuai (TRUE atau FALSE).
Tentukan warna untuk setiap node: setel V(net)$color ke "darkorange" jika account_info$isMoneyMule == TRUE dan "slateblue1" jika tidak.
Gunakan subgraph() pada net untuk membuat subgraf bernama subset yang berisi verteks "I41","I47", "I87" dan "I20".
Gunakan fungsi strength() pada subnet dan pada net untuk menghitung probabilitas money mule dari node "I41" sebagai fraksi tetangga mule

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# From data frame to graph
net <- graph_from_data_frame(___, directed = ___)

# Plot the network; color nodes according to isMoneyMule-variable
___(___)$color <- ifelse(___$___ == TRUE, ___, ___)
plot(net, vertex.label.color = "black", vertex.label.font = 2, vertex.size = 18)

# The id's of the money mule accounts:
print(account_info$id[account_info$isMoneyMule == TRUE])

# Create subgraph containing node "I41" and all money mules nodes "I47", "I87", "I20":
subnet <- ___(___, v = c(___))

# Compute the money mule probability of node "I41" based on the neighbors
___(___, v = "I41") / ___(___, v = "I41")

Edit dan Jalankan Kode