异常值的分析方法
1、简单统计量分析
做一个描述性统计,进而查看哪些数据不合理。最常用的是最大值和最小值,如年龄的最大值199,则存在异常。
2、3σ原则
针对服从正态分布的数据,
3、箱形图分析(R语言)
首先,读取数据集,用sum(),mean()函数来分别获取缺失样本数、缺失比例。
saledata <- read.csv(file="catering_sale.csv",header = TRUE)
sum(complete.cases(saledata)) #TRUE为1,FALSE为0。结果为非缺失样本数
sum(!complete.cases(saledata)) #结果为缺失样本数
mean(!complete.cases(saledata)) #缺失比例
saledata[!complete.cases(saledata),] #获取缺失值记录
然后,进行箱形图分析
sp <- boxplot(saledata$销量,boxwex = 0.7) #画出箱形图,boxwex参数控制箱形的宽度
sd.s <- sd(saledata[complete.cases(saledata),]$销量) #结果是完整样本的标准差
mn.s <- mean(saledata[complete.cases(saledata),]$