主要内容

删除离群值

交互式地删除异常值

要在曲线拟合器应用程序中删除异常值，请遵循以下步骤:

  1. 在绘图轴工具栏中，单击“排除异常值”按钮．

    当您将鼠标光标移动到该图时，它将变为十字线，以显示您处于离群点选择模式。

  2. 单击要在拟合图或残差图中排除的点。或者，单击并拖动以定义矩形并删除所有包含的点。

    一个被移除的图点在图中变成一个红色的十字。如果你有汽车在适合部份曲线更健康标签，曲线拟合应用程序改装曲面没有点。否则，如果你有手册配件选中后，可单击适合改装。

  3. 对所有你想要排除的点重复这个过程。

当从表面拟合中去除异常值时，显示二维残差图用于检查和去除异常值是有帮助的。将绘图光标置于旋转模式，右键单击要选择的绘图进入X-Y视图，进入X-Z视图,或转到Y-Z视图．

若要替换拟合中的个别排除点，请在离群值选择模式下再次单击一个排除点(即，在轴工具栏中启用排除离群值按钮)。要替换合身中所有被排除的点，右键单击并选择清除所有排除项．

在曲面图中，若要返回旋转模式，请再次单击“排除离群值”按钮以关闭离群值选择模式。

排除数据范围

要在曲线拟合器应用程序中按范围排除数据部分，请遵循以下步骤:

  1. 在曲线更健康选项卡，在数据部分中,点击排除规则．

  2. 在“排除规则”对话框中，指定要排除的数据。在任意框中输入数字，以定义要在X、Y或Z数据中排除的开始或结束间隔。

    曲线拟合器应用程序在图上显示粉红色阴影区域，以显示排除的范围。被排除的点变成红色。

以编程方式删除异常值

打开实时脚本

这个例子展示了如何使用'Exclude'名称/值对参数和fit或fitoptions函数以编程方式拟合曲线时删除异常值。可以通过在plot函数中提供Exclude或outliers参数来绘制被排除的数据。

使用简单规则排除数据

举个简单的例子，加载数据并拟合高斯分布，排除一些带有表达式的数据。然后绘制拟合，数据和排除点。

[x, y] =钛;F1 = fit(x'，y'，“gauss2”，“排除”, x < 800);情节(f1, x, y, x < 800)

图中包含一个轴对象。axis对象包含3个line类型的对象。这些对象代表数据、排除数据、拟合曲线。

根据与模型的距离排除数据

使用标准偏差，通过与模型的距离来排除异常值是有用的。下面的例子展示了如何使用距离模型大于1.5个标准差的距离来识别离群值，并与给予离群值较低权重的稳健拟合进行了比较。

创建一个基线正弦信号:

Xdata = (0:0.1:2*pi)';Y0 = sin(xdata);

向方差非恒定的信号中添加噪声:

%响应相关的高斯噪声Gnoise = y0.*randn(size(y0));椒盐味的噪音Spnoise = 0 (size(y0));P = randperm(length(y0));点= p(1:圆(长度(p)/5));Spnoise (sppoints) = 5*符号(y0(sppoints));Ydata = y0 + gnoise + spnoise;

用基线正弦模型拟合噪声数据:

F = fittype(“* sin (b * x)”）;Fit1 = fit(xdata,ydata,f，曾经繁荣的[1]);

将离群点识别为距离基线模型大于1.5个标准差的点，并用排除的离群点对数据进行改装:

Fdata = feval(fit1,xdata);I = abs(fdata - ydata) > 1.5*std(ydata);异常值= excludedata(xdata,ydata，“指标”,我);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与在稳健拟合中给予它们较低的二方权重的效果:

Fit3 = fit(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*pi])

图中包含一个轴对象。axis对象包含5个line类型的对象。这些对象代表数据、排除数据、拟合曲线。

另请参阅

|

相关的话题

Baidu
map