使用 R 进行多变量鲁棒异常值检测答案

【问题标题】：Multivariate robust outlier detection using R使用 R 进行多变量鲁棒异常值检测
【发布时间】：2012-01-12 14:28:14
【问题描述】：

在 R 中以自动方式（即无需手动检查和绘图）执行多元稳健异常值检测的首选方式是什么（在您看来）？

我找到了“dprep”包，但它似乎已停产。但是，由于异常值检测是一项频繁且重要的任务，因此应该可以使用通用的默认方法，例如MCD 估计器（Rousseeuw 和 Van Driesen，1999）。

【问题讨论】：

"what's the preferred way" 仍然证明 SO 问题是合理的，但library("sos"); findFn("mcd estimator outlier") 会找到一堆选项，包括@Dieter Menne 提到的covMcd 函数
这似乎更适合 stats.stackexchange 网站，IMO。

【解决方案1】：

尝试使用robustbase 包中的covMcd。

【讨论】：

【解决方案2】：

使用库克的距离 你可以使用厨师的距离。库克距离是基于线性回归模型计算的。这意味着，您将能够包含多个 X 变量来计算异常值（更准确地说是高影响观察）。这有效地使您可以灵活地添加或删除要确定异常值的变量。为 R 中的每个观察计算它的方法如下所示：

mod <- lm(Y ~ X1 + X2 + X3, data=inputData)
cooksd <- cooks.distance(mod)

一般来说，厨师距离 > 4*mean(厨师距离) 的观察值被视为异常值。有关formula and interpretation of cook's distance 的更多信息，请参阅this example

免责声明：我是作者。

【讨论】：