Press "Enter" to skip to content

matlab使用分位数随机森林(QRF)回归树检测异常值

原文链接: http://tecdat.cn/?p=22160

 

这个例子展示了如何使用分位数随机林来检测异常值。分位数随机林可以检测到与给定X的Y的条件分布有关的异常值。

 

离群值是一些观测值,它的位置离数据集中的大多数其他观测值足够远,可以认为是异常的。离群观测的原因包括固有的变异性或测量误差。异常值显着影响估计和推断,因此检测它们决定是删除还是稳健分析非常重要。

 

为了演示异常值检测,此示例:

 

从具有异方差性的非线性模型生成数据,并模拟一些异常值。

 

生长回归树的分位数随机森林。

 

估计预测变量范围内的条件四分位(Q1、Q2和Q3)和_四分位_距(IQR)。

 

将观测值与边界进行比较,边界为F1=Q1−1.5IQR和F2=Q3+1.5IQR。任何小于F1或大于F2的观测值都是异常值。

 

生成数据

 

从模型中生成500个观测值

 

在0 ~ 4π之间均匀分布,εt约为N(0,t+0.01)。将数据存储在表中。

 

rng('default'); % 为保证重复性
randsample(linspace(0,4*pi,1e6),n,true)';
epsilon = randn(n,1).*sqrt((t+0.01));

 

将五个观测值沿随机垂直方向移动90%的值。

 

numOut = 5;
Tbl.y(idx) + randsample([-1 1],numOut,true)'.*(0.9*Tbl.y(idx));

 

绘制数据的散点图并识别异常值。

 

plot(Tbl.t,Tbl.y,'.');
plot(Tbl.t(idx),Tbl.y(idx),'*');
title('数据散点图');
legend('数据','模拟异常值','Location','NorthWest');

 

 

生成分位数随机森林

 

生成200棵回归树。

 

Tree(200,'y','regression');

 

返回是一个TreeBagger集合。

 

预测条件四分位数和四分位数区间

 

使用分位数回归,估计t范围内50个等距值的条件四分位数。

 

linspace(0,4*pi,50)';
quantile(pred,'Quantile');

 

`quartile是一个500 × 3的条件四分位数矩阵。行对应于t中的观测值,列对应于概率。

 

在数据的散点图上,绘制条件均值和中值因变量。`

 

plot(pred,[quartiles(:,2) meanY]);
legend('数据','模拟的离群值','中位数因变量','平均因变量',...

 

 

虽然条件均值和中位数曲线很接近,但模拟的离群值会影响均值曲线。

 

计算条件IQR、F1和F2。

 

iqr = quartiles(:,3) - quartiles(:,1);
f1 = quartiles(:,1) - k*iqr;

 

k=1.5意味着所有小于f1或大于f2的观测值都被认为是离群值,但这一阈值并不能与极端离群值相区分。k为3时,可确定极端离群值。

 

将观测结果与边界进行比较

 

绘制观察图和边界。

 

plot(Tbl.t,Tbl.y,'.');
legend('数据','模拟的离群值','F_1','F_2');
title('使用分位数回归的离群值检测')

 

 

所有模拟的异常值都在[F1,F2]之外,一些观测值也在这个区间之外。

 



Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注