LOF kontra kNN
Zwykle w pierwszej kolejności analizuje się punkty z najwyższymi wynikami anomalii, zanim podejmie się jakiekolwiek działania. Gdy stosuje się kilka algorytmów, punkty z najwyższymi wynikami mogą się różnić.
W tym ostatnim ćwiczeniu obliczysz nowe wyniki LOF i kNN dla zbioru danych wine, a następnie wyświetlisz punkt z najwyższym wynikiem dla każdego z algorytmów.
To ćwiczenie jest częścią kursu
Wprowadzenie do wykrywania anomalii w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Scaled wine data
wine_scaled <- scale(wine)
# Calculate distance matrix
wine_nn <-
# Append score column to data
wine$score_knn <-