多變量離群檢測<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />你好，
我有一個客戶（飛思卡爾）關於JMP12異常值檢測以及多變量穩健異常值的以下問題：
謝謝你的回复，
佛羅倫薩
Re：多變量離群檢測嗨佛羅倫薩
看起來飛思卡爾可能已經在做這個或者類似的東西，一種馴服這種高維多變量離群值檢測問題的方法可能是：
1）然後使用Mahalanobis圖來檢測異常事件
2）查看每個PCA群集的個人SPC圖表，以確定哪個群集是（1）中每個異常值事件的異常值，然後
3）查看（2）中每個異常事件的異常值群內變量的個體SPC圖表，以識別異常值變量
如果此過程適用於他們，他們可能希望編寫工作流腳本，以便更廣泛的用戶應用。
馬爾科姆
Re：多變量離群檢測嘿彼得！
非常感謝你的建議。散點圖矩陣的主要問題是她在半導體領域，因此她有300多個變量。使用圖形工具並不那麼容易......
關於PCA，她有JMP Pro，所以我認為她使用了聚類選項......
佛羅倫薩
德：peter.bartell@jmp.com
Envoyé：lundi 2015年7月8日17:26
À：佛羅倫薩Kussener
Objet：Re： - 多變量異常值檢測
JMP用戶社區<>
多變量離群檢測
來自JMP SE社區的peter.bartell@jmp.com <>的回复 - 查看完整的討論
Re：多變量離群檢測佛羅倫薩：這裡有一些關於你的客戶的想法...對於Mahalanobis圖，如果該圖上有異常值，只需點擊異常點就會突出顯示數據表中的那一行，以及散點圖矩陣的動態視圖也應該揭示雙變量橢圓之外的一個或多個變量。這應該給出一些關於哪些變量是罪魁禍首的提示。
我的下一個想法是你的第二個問題...一個簡單的PCA報告將顯示雙情節，如果有多變量異常值，很可能它們會出現在雙情節上的偏離點，因為雙情節基本上是計算前兩個主成分後剩餘的可變性殘差圖。
