Calcularea scorurilor z robuste
Să revenim la setul de date transfers folosit în Capitolul 1.
Setul de date conține 222 de tranzacții, dintre care patru sunt cazuri de fraudă cunoscute, marcate cu 1 în variabila fraud_flag. Am analizat anterior caracteristicile de frecvență și recență.
De această dată ne vom concentra exclusiv pe variabila amount și vom încerca să detectăm cazurile de fraudă aplicând tehnici univariate de detecție a valorilor extreme pe această variabilă.
Nu ezita să explorezi setul de date în Consolă dacă vrei să îți reîmprospătezi memoria despre structura lui. Poți consulta și slide-urile pentru a verifica funcțiile prezentate în videoclipul anterior.
Acest exercițiu face parte din cursul
Detecția fraudelor în R
Instrucțiuni pentru exercițiu
- Identifică observațiile marcate ca fraudă.
- Calculează mediana și deviația absolută mediană (mad) pentru variabila
amount. - Folosește estimările robuste de locație și dispersie pentru a calcula scorul z robust pentru fiecare observație.
- Care observații au un scor z robust mai mare decât 3 în valoare absolută?
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Get observations identified as fraud
which(___ == ___)
# Compute median and mean absolute deviation for `amount`
m <- median(___)
s <- ___(___)
# Compute robust z-score for each observation
robzscore <- abs((___ - ___) / (___))
# Get observations with robust z-score higher than 3 in absolute value
which(abs(___) > ___)