Sağlam z-skorlarının hesaplanması
Bölüm 1'de kullandığımız transfers veri kümesine tekrar bakalım.
Veri kümesi 222 işlem içeriyor ve fraud_flag değişkeninde 1 ile işaretlenmiş dört bilinen dolandırıcılık vakası var. Daha önce sıklık ve yakınlık (recency) özelliklerini incelemiştik.
Bu kez yalnızca amount değişkenine odaklanacağız ve bu değişkende tek değişkenli aykırı değer yakalama tekniklerini uygulayarak dolandırıcılık vakalarını tespit etmeye çalışacağız.
Yapısına dair hafızanı tazelemen gerekirse Konsol'da veri kümesini keşfetmekten çekinme. Ayrıca önceki videoda gösterilen fonksiyonları kontrol etmek için slaytlara da bakabilirsin.
Bu egzersiz, kursun bir parçasıdır
R ile Dolandırıcılık Tespiti
Egzersiz talimatları
- Hangi gözlemlerin sahtekârlık olarak tanımlandığını bul.
amountdeğişkeni için medyanı ve medyan mutlak sapmayı (MAD) hesapla.- Her gözlem için, konum ve saçılımın sağlam tahminlerini kullanarak sağlam z-skorunu hesapla.
- Mutlak değeri 3'ten büyük olan sağlam z-skora sahip gözlemler hangileri?
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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(___) > ___)