原文鏈接：http://tecdat.cn/?p=8502

?

識別異常值的方法有很多種，R中有很多不同的方法。?

關于異常值方法的文章使用了理論和實踐的混合體。理論一切都很好，但異常值是異常值，因為它們不遵循理論。實踐涉及數(shù)據(jù)的測試方法，有時用基于理論模擬的數(shù)據(jù)，更好地使用“真實”數(shù)據(jù)集。如果一種方法發(fā)現(xiàn)我們都同意的異常值，那么它可以被認為是成功的，但是我們是否都同意哪些個案是異常值？

異常值概述（O3）圖旨在幫助比較和理解異常值方法的結果。

?

?

Stackloss數(shù)據(jù)集的O3圖。每個變量組合（由左邊的列定義）有一行，找到了異常值，并將每個案例的一列標識為異常值（右邊的列）。

?

威爾金森的算法為整個數(shù)據(jù)集找到了6個離群值（圖的最下面一行）?？傮w而言，對于各種變量組合，發(fā)現(xiàn)14個案例是潛在的異常值 。?

?

一個O3plot，用于比較堆棧損耗數(shù)據(jù)集中由HDoutliers和mvBACON標識的異常值。

?

在OutliersO3中有四種其他方法可用， ：

##? ? HDo? ? PCS? ? BAC adjOut? ? DDC? ? MCD##? ? 14? ? ? 4? ? ? 5? ? ? 0? ? ? 6? ? ? 5

?

?

?

R中還有其他異常方法，他們無疑會給出更多不同的結果。建議必須謹慎行事。離群值本身可能是有趣的，它們可能是某種錯誤 - 我們可能不同意它們是否是異常值。