MatLab(第六讲：boxplot图)_追逐梦想的顾咏丰_新浪博客

boxplot()指的就是盒图，记得在 HAN-Jiawei 的那本著名的《数据挖掘》中，首先介绍的就是盒图，先来回顾以下数据挖掘中很重要的几个度量。

 

• 居中趋势的度量
• 离散性的度量
• 依赖关系的度量
• 可视化的度量

1. 居中趋势的度量

居中趋势的度量表征数据集的“中间”，表示数据样本在某一点集中的特性。具体的度量有：均值（ mean），中位数（ median），众数（ mode）等等，计算方式比较简单，举例如下，设 x = [1 3 3 3 4 5 7 8 12]，则

length(x) = 9 // 长度为9

mean(x) = (1+3+3+3+4+5+7+8+12)/9 = 5.1111   // 均值为5.1111

median(x) = 4   // 中位数是第5个数，为4

mode(x) = 3   // 众数是3，出现了3次

2. 离散性的度量

离散性的度量是用来测量数据集偏离居中趋势的水平，即数据有多么集中或者有多么发散。具体的度量有：方差（ variance），标准差（ standard deviation），值域（ range），变化区间（ variation interval）等，同上面的例子 x = [1 3 3 3 4 5 7 8 12]，则

var(x) = 11.3611  // 方差为11.3611

std(x) = 3.3706   // 标准差为3.3706

range(x) = 11   // 值域是11

3. 依赖关系的度量

当数据集是由随机变量X和Y产生的关联样本（xi，yi）组成时，用此度量来测量二者之间的依赖关系。如线性关系（ linear regression）， 协方差，皮尔森相关系数（ Pearson's Correlation）， Spearman等级相关系数等。

4. 可视化的度量

这个可视化，就可以用图来表示，首先的一些直方图（bar），饼图（pie），折线图（plot），前期都讲过，这次主要研究一下盒图（boxplot）。假设仍然 x = [1 3 3 3 4 5 7 8 12]，

boxplot(x)   // 根据x向量构造盒图

那么这个盒图大概就长成一下这个样子，由上到下，依次是最大值，上四分位数，中位数，下四分位数，最小值（当然，本例中并没有离群点）。

-------------------------------------

[1] 沃林等.  经验软件工程 : Experimentation in software engineering : 软件工程中的实验研究方法. 机械工业出版社, 2015.

[2] JiaweiHan等.  数据挖掘:概念与技术. 机械工业出版社, 2012.

[3] 百度百科.   盒图，2017.