Question

我有一个由id变量分隔的不同组的数据集，我想计算并在数据框中添加异常分数。

这是一个包含三个公司的示例数据集，

set.seed(1234)

id1 <- rep(23, 60)
n1 <- rnorm(n = 60, mean = 100, sd = 5.2)
g1 <- rnorm(n = 60, mean = 200, sd = 8)

id2 <- rep(34, 60)
n2 <- rnorm(n = 60, mean = 500, sd = 110)
g2 <- rnorm(n = 60, mean = 800, sd = 160)

id3 <- rep(3, 60)
n3 <- rnorm(n = 60, mean = 50, sd = 11)
g3 <- rnorm(n = 60, mean = 80, sd = 16)

id <- c(id1, id2, id3)
n <- c(n1, n2, n3)
g <- c(g1, g2, g3)

df <- data.frame(id, n, g)
rm(list = ls() [!ls() %in% "df"])

第一个变量是公司id。每个公司有60个观测值。我要在每个公司上运行的代码如下。

library(isofor)
mod <- iForest(X = df, 50, 10)
anomalyscore <- predict(mod, df)
df <- data.frame(df, anomalyscore)

但是，要分别在每个公司上运行命令，我需要像这样的循环，

n <- 3
for (i in 1:n {
  mod <- iForest(X = df, 50, 10)
  anomalyscore <- predict(mod, df)
  df <- data.frame(df, anomalyscore)
}

问题1 我在上述循环中犯了什么错误？它要做的是创建三个异常评分而不是一个。我需要为每家公司分别计算一列异常分数。

问题2 假设我不知道每个公司的观察数，那么如何在循环中进行调整？

任何帮助将不胜感激。

Answer 1

类似的事情应该起作用：

df$anomalyscore <- NA
library(dplyr)
for (i in unique(df$id)) {
    mod <- iForest(X = filter(df, id == i), 50, 10)
    anomalyscore <- predict(mod, filter(df, id == i))
    df$anomalyscore[df$id == i] <- anomalyscore
    rm(anomalyscore)
}

说明：

添加具有NA值的字段anomalyscore

迭代id并仅为此id生成分数

为此ID更新anomalyscore

虽然这可以解决您的问题，但您应该查看purrr函数和dplyr以使用mutate和group_by在每个组上运行一个函数

使用for循环隔离森林异常分数

1 个答案: