Timestamp sospetti
Un intervallo di confidenza (CI) per l’orario di una transazione può indicare un timestamp sospetto. Stimando i parametri mu e kappa della distribuzione di von Mises sui timestamp precedenti, puoi calcolare la densità (o verosimiglianza) di un nuovo timestamp.
Il dataset ts che contiene tutti i timestamp e il pacchetto circular sono già caricati. Le estimates dei primi 24 timestamp sono disponibili nel tuo workspace, così come il livello di probabilità alpha impostato al 95%.
Questo esercizio fa parte del corso
Rilevamento delle frodi in R
Istruzioni dell'esercizio
- Ottieni la media periodica (
mu) e la concentrazione (kappa) delle prime 24estimates. - Usa
dvonmises()per stimare le densità di tutti i timestamp ints. - Usa
dvonmises()eqvonmises()per determinare il valore di soglia al 95% per(1 - alpha)/2). Se serve, fai riferimento alle diapositive! - Definisci la variabile
time_feature: deve essere TRUE se le densità sono maggiori o uguali alla soglia (cutoff) e FALSE altrimenti. Invia risposta per vedere quali timestamp ricadono fuori dall’intervallo di confidenza al 95%.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Estimate the periodic mean and concentration on the first 24 timestamps
p_mean <- ___ %% 24
concentration <- ___
# Estimate densities of all 25 timestamps
densities <- ___(___, mu = ___, kappa = ___)
# Check if the densities are larger than the cutoff of 95%-CI
quantile <- ___((1 - ___)/2, mu = p_mean, kappa = concentration)
cutoff <- ___(___, mu = ___, kappa = ___)
# Define the variable time_feature
time_feature <- ___ >= ___
print(cbind.data.frame(ts, time_feature))