R语言 离群点分析

本文将重点介绍离群点分析，包括R编程语言中的离群点检测和移除。

什么是离群点

远离数据集其他点的数据点被认为是离群点。这指的是分散在其他数据值中的数据值，破坏了数据集的一般分布。

离群点对模型的影响

• 数据的格式出现偏斜。
• 改变了数据总体分布的平均值、方差和其他统计特征。
• 导致模型的准确性水平出现偏差。

涉及离群点分析的步骤

第1步： 在这一步中，我们将默认使用rnorm()函数创建包含outliner在内的数据，并生成500个不同的数据点。此外，我们将在这个数据中加入10个随机离群点。

data <- rnorm(500)
data[1:10] <- c(46,9,15,-90,
         42,50,-82,74,61,-32)

第2步： 在这一步中，我们将使用boxplot分析所提供的数据中的outliner，它将绘制一个条形图，我们将能够分析数据中的离群点。正如在回顾箱形图时所说，离群点被定义为位于箱形图晶须之外的数据点。

boxplot()函数

膨胀图是通过使用R编程语言中的boxplot()函数创建的。

语法： boxplot(x, data, notch, varwidth, names, main)

参数

• x： 该参数设置为一个向量或一个公式。
• data ：该参数设置为数据框。
• notch： 该参数是横轴的标签。
• varwidth： 这个参数是一个逻辑值。设置为 “true”，可以绘制与样本大小成比例的框的宽度。
• main： 该参数是图表的标题。
• names： 该参数是在每个图表下显示的组标签。

data <- rnorm(500)
data[1:10] <- c(46,9,15,-90,
         42,50,-82,74,61,-32) 
boxplot(data)

输出

第3步： 在这一步中，我们将删除R中提供的数据boxplot.stats()函数中的离群点；同样的图示在以下代码中显示。

data <- data[!data %in% boxplot.stats(data)$out]

第4步： 在这一步中，我们将只是简单地通过绘制步骤2中的boxplot并进行相应的验证，来验证outliner是否已经从数据中删除。

data <- rnorm(500)
data[1:10] <- c(46,9,15,-90,42,50,-82,74,61,-32) 
data <- data[!data %in% boxplot.stats(data)$out]
boxplot(data)

输出

我们可以在输出图中看到，图中没有离群点。因此，我们成功地分析并去除离群点。