如何判断和处理离群点
对于离群点的判定:采用神经网络模型求解,运用DPS数据处理系统将n维数据分为离群点和非离群点两类,输出的离群值即为要发现的离群点,采用蠓分类试验对神经网络模型来检验其有效性。
对离群点的处理分为标准偏差预知和标准偏差未知两类。对于标准偏差预知,采用统计量T,T值大于舍弃界限中相应置信度下的临界值则舍弃否则保留;对于标准偏差未知,分别采用拉依达准则、狄克松法、肖维特法、格鲁布斯法、学生化残差绝对值法对离散点进行处理,更科学决定离散点的舍与留。
对于离群点的判定:采用神经网络模型求解,运用DPS数据处理系统将n维数据分为离群点和非离群点两类,输出的离群值即为要发现的离群点,采用蠓分类试验对神经网络模型来检验其有效性。
对离群点的处理分为标准偏差预知和标准偏差未知两类。对于标准偏差预知,采用统计量T,T值大于舍弃界限中相应置信度下的临界值则舍弃否则保留;对于标准偏差未知,分别采用拉依达准则、狄克松法、肖维特法、格鲁布斯法、学生化残差绝对值法对离散点进行处理,更科学决定离散点的舍与留。