Şüpheli zaman damgaları
Bir işlemin zamanı için güven aralığı (CI), şüpheli bir zaman damgasını gösterebilir. Önceki zaman damgaları üzerinde von Mises dağılımının mu ve kappa parametrelerini tahmin ederek, yeni bir zaman damgasının yoğunluğunu (veya olabilirliğini) hesaplayabilirsin.
Tüm zaman damgalarını içeren ts veri kümesi ve circular paketi zaten yüklendi. İlk 24 zaman damgasının estimates nesnesi ile yüzde 95 olarak ayarlanmış olasılık seviyesi alpha çalışma alanında hazır.
Bu egzersiz, kursun bir parçasıdır
R ile Dolandırıcılık Tespiti
Egzersiz talimatları
- İlk 24 tahminin periyodik ortalamasını (
mu) ve yoğunluğunu (kappa) al. tsiçindeki tüm zaman damgalarının yoğunluklarını tahmin etmek içindvonmises()kullan.(1 - alpha)/2)için yüzde 95 kesim değerini belirlemek üzeredvonmises()veqvonmises()kullan. Gerekirse slaytlara bak!time_featuredeğişkenini tanımla: yoğunluklar kesim değerine eşit veya ondan büyükse true, değilse false olmalı. 95% güven aralığının dışında kalan zaman damgalarını görmek için Yanıtı Gönder.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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))