آموزش r برای دانشجویان روانشناسی
داده های پرت در R
زبان برنامه‌نویسی R دارای تابعی برای نمایش دورافتادگی‌ها است. این تابع، «identify» نام داشته و در نمودار جعبه‌ای (boxplot) قرار دارد. تابع boxplot، نمودار جعبه‌ای یک مجموعه داده را همراه با خطوط (box-and-whisker) ترسیم می‌کند.
تابع identify روشی راحت و مناسب برای ایجاد نقاط در «نمودار نقطه‌ای» (scatter plot) است. در زبان برنامه‌نویسی R، نمودار جعبه‌ای نوعی از نمودار نقطه‌ای محسوب می‌شود.
مثال 1
در این مثال، نیاز به ساخت ۱۰۰ عدد تصادفی و سپس ترسیم نقاط داده در جعبه‌ها است. اولین نقطه ناهنجاری نیز به روش زیر کشف می‌شود.
y <- rnorm(100)
boxplot(y)
identify(rep(1, length(y)), y, labels = seq_along(y))
مثال 2
تابع boxplot ناهنجاری‌های موجود در یک مجموعه داده را به طور خودکار محاسبه می‌کند. برای آزمودن این امر، ابتدا ۱۰۰ عدد تصادفی به شکل زیر ساخته می‌شود.
x <- rnorm(100)
اکنون می‌توان با استفاده از کد زیر، خلاصه اطلاعات مجموعه را مشاهده کرد.
summary(x)
Min. 1st Qu. Median Mean 3rd Qu. Max.
-2.06229 -0.47405 0.19952 0.08521 0.63332 2.38901
اکنون می‌توان ناهنجاری‌ها را با استفاده از کد زیر نمایش داد.
boxplot.stats(x)$out
[1] 2.389011
کدی که در ادامه آمده، نمودار جعبه‌ای مجموعه داده را رسم کرده و دورافتادگی‌ها را برجسته می‌سازد.
boxplot(x)
می‌توان نمودار جعبه‌ای را برای مجموعه داده بیشتر شناخته شده‌ای ایجاد کرد و ناهنجاری‌های موجود در آن را نمایش داد. این مجموعه داده مربوط به خودروها است.
boxplot(mpg~cyl,data=mtcars, xlab="Cylinders", ylab="MPG")
منبع
https://blog.faradars.org/anomaly-detection-using-r/