Isi kandungan:
Definisi - Apakah maksud Pengesanan Kelebihan?
Pengesanan lebih jauh adalah proses pengesanan dan kemudiannya tidak termasuk penyingkiri daripada satu set data.
Outlier dapat didefinisikan sebagai sekeping data atau pemerhatian yang menyimpang secara drastik dari norma atau rata-rata set data yang ditetapkan. Outlier mungkin disebabkan secara kebetulan, tetapi mungkin juga menunjukkan ralat pengukuran atau set data yang diberikan mempunyai distribusi ekor berat.
Berikut adalah senario mudah dalam pengesanan luar, proses pengukuran secara konsisten menghasilkan pembacaan antara 1 dan 10, tetapi dalam beberapa kes jarang kita mendapat pengukuran lebih daripada 20.
Pengukuran yang jarang berlaku di luar norma ini dipanggil outliers kerana mereka "terletak di luar" kurva taburan normal.
Techopedia menerangkan Pengesanan Jauh
Tidak ada kaedah matematik tersendiri dan tegar untuk menentukan sesuatu yang luar biasa kerana ia benar-benar berbeza-beza bergantung kepada populasi set atau data, jadi penentuan dan pengesanannya akhirnya menjadi subjektif. Melalui persampelan berterusan dalam medan data yang diberikan, ciri-ciri outlier dapat dibuat untuk membuat pengesanan lebih mudah.
Terdapat kaedah berasaskan model untuk mengesan outlier dan mereka mengandaikan bahawa semua data diambil dari taburan normal dan akan mengenal pasti pemerhatian atau titik, yang dianggap tidak mungkin berdasarkan sisihan min atau standard, sebagai outlier. Terdapat beberapa kaedah untuk mengesan pendahuluan:
- Ujian Grubb untuk Outliers - Ini berdasarkan andaian bahawa data adalah pengedaran normal dan menghilangkan satu outlier pada satu masa dengan ujian diulang sehingga tidak ada lagi penyerang yang dapat dijumpai.
- Ujian Q Dixon - Juga berdasarkan normalisasi set data, ujian kaedah ini untuk data buruk. Telah diperhatikan bahawa ini harus digunakan dengan berhati-hati dan tidak pernah lebih daripada sekali dalam set data.
- Kriteria Chauvenet - Ini digunakan untuk menganalisis jika outlier adalah palsu atau masih dalam batasan dan dianggap sebagai bagian dari set. Kesalahan purata dan piawai diambil dan kebarangkalian bahawa outlier berlaku dikira. Keputusan akan menentukan sama ada ia perlu disertakan atau tidak.
- Kriteria Pierce - Had kesalahan ditetapkan untuk satu siri pemerhatian, di luar yang semua pemerhatian akan dibuang kerana mereka sudah melibatkan kesilapan besar sedemikian.
