关于程序员:异常点检测的方法

一维坐标中的离群点检测

一、箱线法

data0=xlsread('F:\数据一.xls');
[m,n]=size(data0);
w1=round(m/4);  %第一四分位地位，
%m1=m/2%中位数地位，
w3=round(3*m/4);%第三四分位地位

%变量1的异样值解决

bl1=data0(:,1);   %在这里定义检索的范畴
[a1,b1]=sort(bl1)%[a,b]=sort(x);是从小到大排列，a是排序后后果，b是a后果中各元素的原始地位。
q11=a1(w1,1);    %第一四分位数
q13=a1(w3,1);    %第三四分位数
qr1=q13-q11;       %四分位距
sx1=q13+1.5*qr1;   %下限
xx1=q11-1.5*qr1;   %上限
ycz1=[];%异样值矩阵
s1=1;
%异样值被定义为小于Q1－1.5IQR或大于Q3＋1.5IQR的值。尽管这种规范有点任意性，但它来源于教训判断，教训表明它在解决须要特地留神的数据方面体现不错。 
for i=1:m
    if bl1(i,1)>sx1||bl1(i,1)<xx1
        ycz1(s1,1)=bl1(i,1);
        ycz1(s1,2)=i;
        s1=s1+1;
    end
end
ycz1  %输入离群点

二、3西格玛办法（拉伊达准则）

data0=xlsread('F:\数据一.xls');
%变量1的异样值解决
bl1=data0(:,1);  %在这里定义检索的范畴
[m,n]=size(bl1);
ave=mean(bl1)%均值
sigma=sqrt((bl1'-ave)*(bl1-ave)/m)
jicha=max(bl1)-min(bl1);%极差
%要求数据遵从正态分布，认为大于μ＋3σ或小于μ—3σ的试验数据值作为异样值，其中μ为数据均值，σ为数据标准差 
sx=ave+3*sigma
xx=ave-3*sigma
ycz=[];
zcz=[];
s=1;
s1=1;
for i=1:m
    if bl1(i,1)<xx||bl1(i,1)>sx
        ycz(s,1)=bl1(i,1);
        ycz(s,2)=i;
        s=s+1;
    end
end
ycz  %输入离群点