删除离群值
交互式地删除离群值
要在曲线拟合应用程序中移除异常值，请遵循以下步骤:
选择工具>排除异常值或者单击工具栏按钮
．将鼠标光标移动到绘图时，它会变为交叉头发，以显示您处于异常选择模式。
单击要在主图或残差图中排除的点。或者，单击并拖动以定义一个矩形并删除所有包围点。
移除的绘图点将成为绘图中的一个红叉。如果你有Auto-fit选中时，曲线拟合应用程序将修正没有点的曲面。否则，可单击合身改装。
重复你想要排除的所有点。
当从表面拟合中去除异常值时，它可以帮助显示一个二维残差图来检查和去除异常值。如果绘图光标处于旋转模式，右键单击要选择的绘图x - y，x z,或Y-Z.视图。
要替换拟合中的单个排除点，请再次单击排除点排除异常值模式。要替换匹配中所有被排除的点，右键单击并选择清除所有除外．
在曲面绘图中，若要返回旋转模式，请单击排除异常值工具栏按钮
再次关闭离群值选择模式。
排除数据范围
要在曲线拟合应用程序中按范围排除数据部分，请遵循以下步骤:
选择工具>排除的规则．
指定要排除的数据。在任何框中输入数字以定义开头或结束间隔以排除在x，y或z数据中。
新闻输入应用排除规则。
曲线拟合应用程序在图上显示阴影粉红色区域，以显示排除的范围。被排除的积分变为红色。
删除离群值以编程方式
这个示例展示了如何在编程拟合曲线时使用'Exclude'名称/值对参数和fit或fitoptions函数来删除离群值。通过使用plot函数提供Exclude或outliers参数，可以绘制被排除的数据。
使用简单规则排除数据
对于一个简单的示例，加载数据并适合高斯，不包括带有表达式的一些数据，然后绘制拟合，数据和排除点。
[x, y] =钛;f1 =适合(x, y ','Gauss2'，'排除', x < 800);情节(f1, x, y, x < 800)
根据距离模型的距离排除数据
使用标准偏差，通过从模型的距离排除异常值，这很有用。以下示例显示了如何识别使用从模型的距离大于1.5标准偏差的距离的异常值，并与强大的拟合进行比较，从而为异常值提供更低的重量。
创建一个基线正弦信号:
xdata =(0:0.1:2 *π)';y0 =罪(xdata);
对非恒定方差的信号添加噪声:
％响应依赖性高斯噪声gnoise = y0。* randn(大小(y0));%满头花白的噪音spnoise = zeros（尺寸（y0））;p = randperm（长度（y0））;Sppoints = P（1：圆（长度（p）/ 5））;spnoise（sppoints）= 5 * sign（y0（sppoints））;Ydata = Y0 + Gnoise + Spnoise;
使用基线正弦型模型适合嘈杂的数据：
f = fittype (“* sin (b * x)”）;fit1 =适合(xdata ydata f,曾经繁荣的[1]);
将“离群点”识别为与基线模型距离大于1.5个标准差的点，并剔除离群点对数据进行重新拟合:
fdata =函数宏指令(fit1 xdata);I = abs(fdata - ydata) > 1.5*std(ydata);离群值= excludedata (xdata ydata,'索引'，一世）;fit2 = fit（xdata，ydata，f，曾经繁荣的[1],．..'排除'、异常值);
比较排除异常值的效果和在稳健拟合中给予它们较低的平方权重的效果:
fit3 =适合(xdata ydata f,曾经繁荣的[1],“稳健”，“上”）;
绘制数据、异常值和拟合结果:
情节(fit1的r -，xdata，ydata，'k。'离群值,“m *”)举行在情节(fit2“c——”)情节(fit3”乙:“) xlim([0 2 *π])
另请参阅
相关话题
你也可以从以下列表中选择一个网站:
