删除离群值
交互式地删除离群值
去除离群值的曲线健康应用,遵循这些步骤:
在情节轴工具栏,单击排除异常值按钮。
当你将鼠标光标移动到情节,它变化表明你在弄一个十字准线离群值选择模式。
点击一个点,你想排除适应情节或残差图。或者,单击并拖动来定义一个矩形和删除所有封闭的点。
删除图点成为红十字会的阴谋。如果你有汽车配件中选择适合部分的曲线更健康选项卡中,曲线钳工应用不菲表面没有重点。否则,如果你有手册合适的选择,你可以点击适合改装。
重复这个过程对于所有点你想排除。
当从表面去除离群值,它可以帮助显示二维残差图用于检查和删除离群值。与你的阴谋光标在旋转模式中,右键单击选择去x - y视图,去x z视图,或去- z视图。
取代个人排除分健康,再次点击一个排除点在离群值选择模式(即,排除异常值轴工具栏按钮进行切换)。将所有排除分健康,右键单击并选择清除所有除外。
在表面情节,回到旋转模式,再次单击排除异常值按钮关闭异常值选择模式。
排除数据范围
排除部分曲线数据范围的健康应用,遵循这些步骤:
在曲线更健康选项卡,数据部分中,点击排除规则。
在排除规则对话框中,指定数据排除。输入数字框定义的开始或结束间隔排除在X, Y,或Z数据。
曲线健康应用程序显示阴影粉红色区域的情节显示排除范围。排除点变红。
删除离群值以编程方式
这个例子显示了如何删除离群值曲线拟合程序时,使用“排除”名称/值对参数符合或fitoptions功能。可以通过提供一个排除或情节排除数据异常值参数与情节功能。
排除数据使用一个简单的规则
为一个简单的例子,数据加载和符合高斯分布,包括一些数据与一个表达式。然后情节配合,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)
排除数据通过距离模型
它可以有效排除异常值通过距离模型,使用标准偏差。下面的例子展示了如何使用距离识别异常值大于1.5个标准差的模型,相比之下,一个健壮的配合使体重降低到离群值。
创建一个基准正弦信号:
xdata =(0:0.1:2 *π)';y0 =罪(xdata);
添加噪声的信号不恒定方差:
% Response-dependent高斯噪声gnoise = y0。* randn(大小(y0));%满头花白的噪音spnoise = 0(大小(y0));p = randperm(长度(y0));sppoints = p(1:圆形(长度(p) / 5));spnoise (sppoints) = 5 *标志(y0 (sppoints));ydata = y0 + gnoise + spnoise;
适应嘈杂的数据与一个基准正弦模型:
f = fittype (“* sin (b * x)”);fit1 =适合(xdata ydata f,曾经繁荣的[1]);
识别异常值点距离大于1.5标准偏离基线模型,和改装数据异常值排除:
fdata =函数宏指令(fit1 xdata);我= abs (fdata - ydata) > 1.5 *性病(ydata);离群值= excludedata (xdata ydata,“指标”,我);fit2 =适合(xdata ydata f,曾经繁荣的[1],…“排除”、异常值);
比较排除异常值的影响和给他们的影响降低bisquare体重在一个健壮的配合:
fit3 =适合(xdata ydata f,曾经繁荣的[1],“稳健”,“上”);
图数据,异常值,符合的结果:
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])