关于算法:R语言Outliers异常值检测方法比较

原文链接：http://tecdat.cn/?p=8502

辨认异样值的办法有很多种，R 中有很多不同的办法。

对于异样值办法的文章联合了实践和实际。实践所有都很好，但异样值是异样值，因为它们不遵循 实践。如果一种办法发现咱们都认同的异样值，那么这种办法能够认为是不错的。

异样值概述（O3）图旨在帮忙比拟和了解异样值办法的后果。

Stackloss 数据集的 O3 图。每个变量组合（由右边的列定义）一行，找到了异样值，并将每个案例的一列标识为异样值（左边的列）。

威尔金森的算法为整个数据集找到了 6 个离群值（图的最上面一行）。总体而言，对于各种变量组合，发现 14 个案例是潜在的异样值。

O3plot，用于比拟标识的 异样值。

在 OutliersO3 中有四种其余办法可用，：

##    HDo    PCS    BAC adjOut    DDC    MCD
##    14      4      5      0      6      5

R 中还有其余异样办法，他们会给出更多不同的后果。必须审慎。离群值自身可能是乏味的，但也可能判断谬误。