疑わしいタイムスタンプ
取引時刻の信頼区間（CI）を求めると、疑わしいタイムスタンプを見つけられます。過去のタイムスタンプに対して von Mises 分布のパラメータ mu と kappa を推定すると、新しいタイムスタンプの密度（あるいは尤度）を計算できます。
すべてのタイムスタンプを含むデータセット ts と、circular パッケージはすでに読み込まれています。最初の 24 個のタイムスタンプに対する estimates と、確率水準 alpha（95%）もワークスペースに用意されています。
この演習はコースの一部です
Rで学ぶ不正検知
演習の手順
- 最初の 24 個の推定から、周期平均（
mu）と集中度（kappa）を取得します。 dvonmises()を使って、tsに含まれるすべてのタイムスタンプの密度を推定します。dvonmises()とqvonmises()を用いて、(1 - alpha)/2)に対応する 95% のカットオフ値を求めます。必要であればスライドを参照してください。- 変数
time_featureを定義します。密度がカットオフ以上なら true、そうでなければ false にします。Submit Answer を使って、95% 信頼区間の外側にあるタイムスタンプを確認しましょう。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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))