Question

我有二维数据集。（X和Y）都是连续的随机变量。

Z =（X，y）= {（1,7），（2,15），（3,24），（4,25），（5,29），（6,32），（7 ，34），（8,35），（9,27），（10,39）}

我想检测y变量值的异常值。 y变量的正常范围是10-35。因此，在上面的数据集中，第一对和最后一对是异常值，而其他对是正常的巴黎。我想将变量z =（x，y）转换为概率/频率分布，异常值（第一对和最后一对）位于标准偏差1之外。任何人都可以帮助我解决这个问题。

PS：我尝试了不同的距离，如eucledian和mahalanobis距离，但它们没有用。

Answer 1

我不确定你的最终目标是什么，但我会假设您在nx2矩阵中格式化x，y变量，所以z = [x，y]其中x：= nx1和y：= nx1向量。

那么你要问的是如何分离y在10-35范围之外的数据点？为此，您可以使用条件语句查找发生的索引：

index = z(:,2) <= 35 & z(:,2) >= 10;  %This gives vector of 0's & 1's length nx1
z_inliers = z(index,:);      %This has a [x,y] matrix of only inlier data points
z_outliers = z(~index,:);    %This has a [x,y] matrix of outlier data points

如果你想根据标准差做这个，那么代替10和35做：

low_range = mean(z(:,2)) - std(z(:,2));
high_range = mean(z(:,2)) + std(z(:,2));
index = y <= high_range & y >= low_range;

然后你可以用这些点来绘制你的pdf或其他任何东西。

概率/频率分布中的异常值检测

1 个答案: