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。

推荐度：

点击下载本文 文档为doc格式

导读对于离群点的判定：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。