İlişkisel komşu sınıflandırıcı

Bir ilişki modeli, düğümler arasındaki davranışın ilişkili olduğu fikrine dayanır; yani bağlantılı düğümler aynı sınıfa ait olma eğilimindedir. Özellikle ilişkisel komşu sınıflandırıcı, bir düğümün sınıfını komşu düğümlerine ve bitişik kenarlarına göre tahmin eder.

transfers veri kümesi farklı hesaplardan gelen işlemlerden oluşur. account_info verileri bu hesaplardan hangilerinin para taşıyıcı (money mule) olduğunu içerir. Ancak "I41" hesabının para taşıyıcı olup olmadığı bilinmiyor. "I41" hesabının para taşıyıcı olma eğilimini ilişkisel komşu sınıflandırıcı kullanarak tahmin et.

Bu egzersiz, kursun bir parçasıdır

R ile Dolandırıcılık Tespiti

Kursa Göz Atın

Egzersiz talimatları

transfers'a dayalı yönsüz bir net grafı oluştur. directed değerini uygun boolean (TRUE veya FALSE) olarak ayarla.
Her düğüm için bir renk belirt: account_info$isMoneyMule == TRUE ise V(net)$color'ı "darkorange", değilse "slateblue1" olarak ayarla.
net üzerinde subgraph() kullanarak "I41", "I47", "I87" ve "I20" köşelerini içeren subnet adlı bir alt grafik oluştur.
Para taşıyıcı komşuların oranı olarak "I41" düğümünün para taşıyıcı olma olasılığını hesaplamak için strength() fonksiyonunu hem subnet hem de net üzerinde kullan

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# From data frame to graph
net <- graph_from_data_frame(___, directed = ___)

# Plot the network; color nodes according to isMoneyMule-variable
___(___)$color <- ifelse(___$___ == TRUE, ___, ___)
plot(net, vertex.label.color = "black", vertex.label.font = 2, vertex.size = 18)

# The id's of the money mule accounts:
print(account_info$id[account_info$isMoneyMule == TRUE])

# Create subgraph containing node "I41" and all money mules nodes "I47", "I87", "I20":
subnet <- ___(___, v = c(___))

# Compute the money mule probability of node "I41" based on the neighbors
___(___, v = "I41") / ___(___, v = "I41")

Kodu Düzenle ve Çalıştır