Rimozione dei Valori Anomali Utilizzando il Metodo IQR
Un altro metodo efficace per individuare e rimuovere i valori anomali è l'utilizzo del range interquartile (IQR).
Cos'è l'IQR?
Il range interquartile (IQR) è una misura della dispersione statistica ed è calcolato come:
IQR=Q3−Q1Dove:
- Q1: 25° percentile (primo quartile);
- Q3: 75° percentile (terzo quartile).
I valori inferiori a Q1−1.5×IQR o superiori a Q3+1.5×IQR sono tipicamente considerati valori anomali.
Calcolo dell'IQR
Per calcolare il valore dell'IQR e individuare i valori anomali, è necessario conoscere i valori del 25° percentile e del 75° percentile. Questi possono essere ottenuti con la funzione quantile(). Successivamente, è possibile calcolare il valore dell'IQR seguendo la formula.
q1_placement <- quantile(df$placement_exam_marks, 0.25)
q3_placement <- quantile(df$placement_exam_marks, 0.75)
iqr_placement <- q3_placement - q1_placement
Identificazione degli outlier
Simile al metodo dello z-score, è necessario identificare i limiti inferiore e superiore:
Thresh_hold <- 1.5
upper_boundary <- q3_placement + (Thresh_hold * iqr_placement)
lower_boundary <- q1_placement - (Thresh_hold * iqr_placement)
Successivamente, è possibile selezionare tutti gli outlier per analizzarli:
df[df$placement_exam_marks > upper_boundary | df$placement_exam_marks < lower_boundary,]
Oppure creare un dataset privo di outlier:
df2 <- df[df$placement_exam_marks <= upper_boundary & df$placement_exam_marks >= lower_boundary,]
Grazie per i tuoi commenti!
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Can you explain why the IQR method is preferred for non-normally distributed data?
How do I interpret the results after removing outliers using IQR?
What should I do if my dataset has outliers on both the lower and upper boundaries?
Awesome!
Completion rate improved to 4Rimozione dei Valori Anomali Utilizzando il Metodo IQR
Scorri per mostrare il menu
Un altro metodo efficace per individuare e rimuovere i valori anomali è l'utilizzo del range interquartile (IQR).
Cos'è l'IQR?
Il range interquartile (IQR) è una misura della dispersione statistica ed è calcolato come:
IQR=Q3−Q1Dove:
- Q1: 25° percentile (primo quartile);
- Q3: 75° percentile (terzo quartile).
I valori inferiori a Q1−1.5×IQR o superiori a Q3+1.5×IQR sono tipicamente considerati valori anomali.
Calcolo dell'IQR
Per calcolare il valore dell'IQR e individuare i valori anomali, è necessario conoscere i valori del 25° percentile e del 75° percentile. Questi possono essere ottenuti con la funzione quantile(). Successivamente, è possibile calcolare il valore dell'IQR seguendo la formula.
q1_placement <- quantile(df$placement_exam_marks, 0.25)
q3_placement <- quantile(df$placement_exam_marks, 0.75)
iqr_placement <- q3_placement - q1_placement
Identificazione degli outlier
Simile al metodo dello z-score, è necessario identificare i limiti inferiore e superiore:
Thresh_hold <- 1.5
upper_boundary <- q3_placement + (Thresh_hold * iqr_placement)
lower_boundary <- q1_placement - (Thresh_hold * iqr_placement)
Successivamente, è possibile selezionare tutti gli outlier per analizzarli:
df[df$placement_exam_marks > upper_boundary | df$placement_exam_marks < lower_boundary,]
Oppure creare un dataset privo di outlier:
df2 <- df[df$placement_exam_marks <= upper_boundary & df$placement_exam_marks >= lower_boundary,]
Grazie per i tuoi commenti!
