學習筆記
參考書目：《R語言與數據挖掘》、《統計學》

---

利用箱線圖原理檢測離群點

箱線圖

箱線圖是由數據的最大值、最小值、中位數、兩個四分位數這五個特征值繪制而成的，它主要用于反映原始數據分布的特征。

箱線圖：

若觀察值超過了上四分位數加1.5倍四分位差，或者小于下四分位數減1.5倍四分位差，則在箱線圖中會作為離群點被單獨標出。

所以，當我們拿到一組單變量數值型觀測時，若某個觀測值大于四分位數加1.5倍四分位差，或者小于下四分位數減1.5倍四分位差，則可以判定為離群值。

R語言實現

• 相關函數

boxplot.stats() #該函數返回結果中有一個out組件，它存儲了檢測出的離群點的數值

• 案例

代碼：

#模擬數據： set.seed(1234) x <- rnorm(100) y <- rnorm(100)df <- data.frame(x = x,y = y)#分別獲取x和y的離群點的行號，再取并集(當然還有取交集的方法intersect)： attach(df)(boxplot.stats(x)$out) #3.043766 -2.855759 (boxplot.stats(y)$out) #2.919140 -3.233152 -2.651741 -3.396064 (x_out <- which(x %in% boxplot.stats(x)$out)) #[1] 178 192 (y_out <- which(y %in% boxplot.stats(y)$out)) #[1] 27 37 182 192detach(df) out_point <- union(x_out, y_out)#繪圖： plot(df, main = '散點圖') points(df[out_point, ], col = 'red', pch = 'o', cex = 2)

圖像：

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的R语言之离群点检验(part1)--利用箱线图原理检测离群点的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。