R语言数据异常值处理

本文介绍了异常值的概念,指出异常值会影响正态分布的统计模型。文章讲解了3α原则和箱线图作为检验异常值的方法,并通过R语言中的箱线图展示了异常值的可视化。此外,还提及了R语言中其他异常值检测方法,如LOF法和聚类分析。对于异常值的处理,文章提出了删除异常值或将其视为缺失值的策略。
摘要由CSDN通过智能技术生成

什么是异常值

异常值简单来说就是偏离数据集整体的值。在统计学意义上,如果一个值偏离整体,那么就会影响其正态分布,进而影响需要以正态分布为前提的统计模型(如线性回归、方差分析)的结果准确度。

检验异常值的方法

原则

检验异常值的方法通常基于 3 α 3α 3α原则(拉依达准则法)。即将超过3个标准差的数值视为异常值。一个变量整体如果正态分布,那么变量组成部分在 ± 3 α ±3α ±3α分布的概率为99.7%。超过3个标准差的概率为 P ( ∣ x − μ ∣ 3 α ) = 0.003 P(|x-μ|3α)=0.003 P(xμ

  • 3
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值