异常值的观测

       异常值是数据集较为特殊的一类值，指距离大部分数据点明显较远的值。他的产生原因可能是数据录入错误，数据产生条件与其他数据不一致或小概率事件等。并且，异常值对数据分析的结果影响也很大。

观测异常值：

箱线图

       箱线图是一种根据极值，四分位数，和中位数画出的图形，图中还标出了常规意义上的异常值，即距离中位数远于三个标准差的值。我们可以使用Boxplot( )函数画出箱线图，箱线图虽然直观易读，但是它提供的信息并不准确，比如说是那些数字是异常值，我们并不知道。这个时候，我们就可以用boxplot.stats()函数来查看详细的信息，stats信息是去掉异常值的极值，四分位数，以及中位数，n的信息表示属性数据点的个数，conf的信息表示属性中位数±IQR/sqrt(n)的结果，是用来衡量中位数的一个置信区间，out的信息表示属性中异常值的具体数值。outlier<-which(attenu$dist %in% boxplot.stats(attenu$dist)$out)可以直接删除异常值，%in%匹配了他们之间有交集的那一部分，which（）函数将符合这些条件的数据赋给了outlier变量。
       对于多峰分布的数据集，可以使用DMwR包或drep包，根据提供的LOF算法提供的局部异常因子lofactor()函数。它可以帮助我们找到那些离数据左边和右边很远的数据点，并且把这些数据点视为异常值。但数据如果是时间序列数据，由于存在周期性，因此就不能使用lofactor（）函数。但可以使用stl（）函数来对时间序列数据进行处理，它是通过利用稳健回归算法对时间序列进行一个分解，进而达到识别异常值的目的。

        outilers()包还提供了Grubbs和Dixon等检测异常值的方法。Grubbs是将数据值和数据集均值的差的绝对值与数据集标准差相除，然后将除数和异常值分布进行一个比较，如果除数大于临界值，则认为该数据值是异常值。Dixon也是使用比较统计量和临界值的方法来检验异常值。