主要内容

删除离群值

交互式地删除离群值

要删除曲线Fitter应用程序中的异常值，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图上时，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，单击并拖动以定义一个矩形并删除所有包含的点。

    一个被移除的情节点在情节中变成一个红色的十字。如果你有汽车在适合部分的曲线更健康选项卡，曲线Fitter应用程序重新安装曲面没有点。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。

在从曲面拟合中去除离群点时，显示二维残差图对检查和去除离群点很有帮助。当您的绘图光标处于旋转模式时，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．

要替换适合中的单个排除点，请在离群点选择模式下再次单击一个排除点(即在坐标轴工具栏中切换到排除离群点按钮)。要替换匹配中所有排除的点，右键单击并选择清除所有除外．

在曲面图中，要返回到旋转模式，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Curve Fitter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,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Fitter应用程序在图上显示粉色阴影区域，以显示排除的范围。被排除的点变成红色。

删除离群值以编程方式

打开生活的脚本

这个例子展示了如何在编程拟合曲线时删除异常值，使用fit或fitoptions函数的'Exclude'名称/值对参数。通过使用plot函数提供Exclude或outliers参数，可以绘制被排除的数据。

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 =适合(x, y ',“gauss2”，“排除”, x < 800);情节(f1, x, y, x < 800)

图中包含一个axes对象。坐标轴对象包含3个line类型的对象。这些对象代表数据，排除数据，拟合曲线。

从模型中按距离排除数据

通过与模型的距离，使用标准偏差来排除异常值是很有用的。下面的例子展示了如何使用与模型之间大于1.5个标准偏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比较。

创建一个基线正弦信号:

xdata =(0:0.1:2 *π)';y0 =罪(xdata);

向方差不恒定的信号中加入噪声:

响应相关的高斯噪声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;

用基线正弦模型拟合噪声数据:

f = fittype (“* sin (b * x)”）;fit1 =适合(xdata ydata f,曾经繁荣的[1]);

将离基线模型距离大于1.5个标准差的点识别为离基线模型距离大于1.5个标准差的点，并在排除离基线模型距离的情况下对数据进行改装:

fdata =函数宏指令(fit1 xdata);I = abs(fdata - ydata) > 1.5*std(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);

比较排除异常值的效果与在稳健拟合中给予它们较低的方权值的效果:

fit3 =适合(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 *π])

图中包含一个axes对象。axis对象包含5个类型为line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