总结
这个提交包含迭代的Matlab实现多元异常检测算法中描述的哈迪(1992)(1]。除了潜在的离群值,主要功能DetectMultVarOutliers.m
也输出强劲的均值和协方差的估计,它在执行计算。
稍微偏离哈迪(1992),DetectMultVarOutliers.m
初始化的样本均值几何平均的数据集,而不是坐标态值。GeometricMedian.m
计算这个函数使用健壮的统计;通过Weiszfeld的算法(2]。注意,这个辅助函数可以使用在任何应用程序,都需要自己的稳健估计的多元数据的集中趋势被抽样错误和/或噪音。
快速演示如何使用主要功能,查看源代码outliers_demo.m
或者简单地输入outliers_demo
在Matlab命令窗口。
引用
(1哈迪,响亮的,1992年。识别多个多元数据中的异常值。英国皇家统计学会杂志》上。系列B(方法论),54卷(3),761 - 771页。
(2]Weiszfeld, E。,1937年。苏尔勒点par lequel la索姆des距离穴点多恩是最小值。东北数学期刊,43卷,第355 - 386页。
许可证
麻省理工学院©2019安东Semechkoa.semechko@gmail.com
引用作为
安东Semechko (2022)。在多元数据集检测异常值GitHub (https://github.com/AntonSemechko/Multivariate-Outliers)。检索。
MATLAB版本兼容性
创建R2015a
兼容任何释放
平台的兼容性
窗户 macOS Linux标签
问题在这个视图或报告GitHub插件,参观GitHub库。
问题在这个视图或报告GitHub插件,参观GitHub库。