k-최근접 이웃 거리 점수

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

이 연습은 강의의 일부입니다

R로 시작하는 이상치 탐지 입문

SkillTag.level.intermediateSkillTag.label

4.8+

무료로 강의 시작하기

이 장에서는 수치 요약과 그래프 요약을 사용해 데이터에 이상한 점이 있는지 비공식적으로 평가하는 방법을 배웁니다. Grubbs 검정이라는 통계적 절차를 사용해 특정 점이 이상치인지 확인하고, 시계열 데이터에서 이상치를 식별하는 데 도움이 되는 Seasonal-Hybrid ESD 알고리즘에 대해 알아봅니다.

Exercise 1: 이상치란 무엇을 의미하나요?Exercise 2: 이상치 유형 알아보기 Exercise 3: 강물 질산염 데이터 살펴보기 Exercise 4: Grubbs 검정으로 극단값 점검하기 Exercise 5: 정규성의 시각적 점검 Exercise 6: Grubbs 검정 Exercise 7: Grubbs' 검정으로 여러 이상치를 찾아보기 Exercise 8: 시계열의 이상치 Exercise 9: 계절성의 시각적 평가 Exercise 10: Seasonal Hybrid ESD 알고리즘 Exercise 11: Seasonal-Hybrid ESD 출력 해석하기 Exercise 12: Seasonal-Hybrid ESD와 Grubbs' 검정 비교

이 장에서는 다변량 데이터에서 각 데이터 포인트에 연속적인 이상치 점수를 부여하는 데 사용되는 k-최근접 이웃 거리와 local outlier factor를 계산하는 방법을 학습합니다. 또한 국소 이상치와 전역 이상치의 차이를 이해하고, 두 알고리즘이 각각의 경우에 어떻게 도움이 되는지 알아봅니다.

Exercise 1: k-최근접 이웃 거리 점수

현재 연습

Exercise 2: 와인 살펴보기 Exercise 3: kNN 거리 행렬 Exercise 4: kNN 거리 점수 Exercise 5: kNN 거리 시각화 Exercise 6: 특성 표준화하기 Exercise 7: kNN 점수 추가하기 Exercise 8: kNN 거리 점수 시각화 Exercise 9: Local outlier factor Exercise 10: LOF 계산 Exercise 11: LOF 시각화 Exercise 12: LOF 대 kNN

k-최근접 이웃 거리와 local outlier factor는 최근접 이웃의 거리나 상대 밀도를 이용해 각 점의 점수를 매깁니다. 이 장에서는 대안적인 트리 기반 접근법인 isolation forest를 살펴보는데, 이는 데이터를 무작위로 더 작은 영역으로 분할하며 점들이 얼마나 쉽게 분리되는지를 측정해 빠르고 견고하게 이상치를 탐지하는 방법입니다.

Exercise 1: Isolation 트리 Exercise 2: Isolation tree로 적합하고 예측하기 Exercise 3: 점수 해석 Exercise 4: Isolation forest Exercise 5: Isolation forest 적합하기 Exercise 6: 수렴 확인하기 Exercise 7: 고립 점수 시각화하기 Exercise 8: 격자 점 그리기 Exercise 9: 그리드에 대한 예측 Exercise 10: 이상치 등고선

이제 여러 가지 이상치 점수화 알고리즘을 소개받았습니다. 마지막 장에서는 레이블이 있는 이상치가 제공되는 경우 알고리즘의 탐지 성능을 비교하는 방법을 배웁니다. 이상치 점수에 대한 정밀도(precision)와 재현율(recall) 지표를 계산하고 해석하는 법, 그리고 범주형 특성이 있는 데이터를 처리하도록 알고리즘을 조정하는 방법을 익히게 됩니다.

Exercise 1: 레이블이 있는 이상치 Exercise 2: 갑상선 데이터 Exercise 3: 갑상샘 질환 시각화 Exercise 4: 이상치 점수 Exercise 5: 성능 측정하기 Exercise 6: 이진화된 점수 Exercise 7: 이진 점수 교차표 만들기 Exercise 8: 갑상샘 데이터의 정밀도와 재현율 Exercise 9: 범주형 특성 다루기 Exercise 10: 문자형을 범주형으로 변환하기 Exercise 11: 요인형 변수가 있는 Isolation forest Exercise 12: 요인형 변수를 포함한 LOF Exercise 13: 마무리