의심스러운 타임스탬프
거래 시각의 신뢰구간(CI)은 의심스러운 타임스탬프를 가리켜 줄 수 있습니다. 이전 타임스탬프에 대해 von Mises 분포의 모수 mu와 kappa를 추정하면, 새로운 타임스탬프의 밀도(또는 우도)를 계산할 수 있습니다.
모든 타임스탬프가 담긴 데이터셋 ts와 circular 패키지는 이미 로드되어 있습니다. 작업 공간에는 처음 24개 타임스탬프의 estimates와, 95%로 설정된 확률 수준 alpha도 준비되어 있습니다.
이 연습은 강의의 일부입니다
R로 배우는 사기 탐지
연습 안내
- 처음 24개
estimates에서 주기적 평균(mu)과 집중도(kappa)를 구하세요. - 모든 타임스탬프
ts에 대해dvonmises()로 밀도를 계산하세요. (1 - alpha)/2)에 대한 95% 컷오프 값을 구하기 위해dvonmises()와qvonmises()를 사용하세요. 필요하다면 슬라이드를 참고하세요!- 변수
time_feature를 정의하세요: 밀도가 컷오프보다 크거나 같으면 true, 그렇지 않으면 false가 되도록 하세요. 95% 신뢰구간 밖에 있는 타임스탬프가 무엇인지 확인하려면 답변 제출을 해 보세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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))