Java剔除离群散点代码示例

最新推荐文章于 2024-09-27 00:45:01 发布

英才哥

最新推荐文章于 2024-09-27 00:45:01 发布

阅读量25

点赞数

文章标签： java python 开发语言

Java剔除离群散点的代码示例

在数据分析和机器学习中，离群点（又称异常值或离群散点）是指那些明显偏离其他数据点的值。这些离群点可能会在数据分析和模型训练中产生不良影响，因此，在进行数据处理时，剔除离群点是一项非常重要的任务。本文将介绍如何使用Java来剔除离群散点，并提供相应的代码示例。

离群散点的识别

一种常用的识别离群散点的方法是使用 标准差。如果一个数据点与其均值的距离超过一定的标准差倍数，则可视为离群点。例如，通常情况下，我们可以使用2倍标准差的规则来判断离群散点。

Java代码示例

下面的Java代码示例展示了如何根据标准差方法来剔除离群散点：

import java.util.ArrayList;
import java.util.List;

public class OutlierRemoval {

    public static List<Double> removeOutliers(List<Double> data) {
        // 计算均值
        double mean = calculateMean(data);
        // 计算标准差
        double stdDev = calculateStdDev(data, mean);

        // 离群点阈值
        double threshold = 2 * stdDev;

        List<Double> filteredData = new ArrayList<>();
        for (double value : data) {
            // 判断是否为离群点
            if (Math.abs(value - mean) <= threshold) {
                filteredData.add(value);
            }
        }

        return filteredData;
    }

    private static double calculateMean(List<Double> data) {
        double sum = 0.0;
        for (double value : data) {
            sum += value;
        }
        return sum / data.size();
    }

    private static double calculateStdDev(List<Double> data, double mean) {
        double sum = 0.0;
        for (double value : data) {
            sum += Math.pow(value - mean, 2);
        }
        return Math.sqrt(sum / data.size());
    }

    public static void main(String[] args) {
        List<Double> data = List.of(10.0, 12.0, 13.0, 14.0, 100.0, 15.0, 13.0);
        List<Double> cleanedData = removeOutliers(data);
        System.out.println("原始数据: " + data);
        System.out.println("剔除离群散点后的数据: " + cleanedData);
    }
}