使用分類變數檢測資料集中的異常值我有一個大型資料集，其中包含來自超過 800 名參與者的分類調查資料。有 10 個分類變量，每個變數有 4 個名目等級。是否有用於分配/檢測異常參與者的 jmp 方法？
進階統計建模消費者與市場研究資料混合與清理回复：使用分類變量檢測數據集中的異常值我不知道有任何這樣的程序。我將把它留給其他用戶，讓他們有更多的經驗和知識來識別任何東西。
無知不會阻止我集思廣益。離群值是異常或意外的結果。（請注意，這不一定是錯誤的或被污染的結果。）因此，您可以使用各種無監督和有監督的學習方法，這些方法可以隔離此類情況。
- 多重對應分析旨在處理具有多個級別的許多類別變量。最佳縮放比例基於距質心的卡方距離。異常值可能在情節中分開。
- 使用多項式廣義線性模型進行殘差分析可能會發現異常值。
- 遞歸分區會將這種情況隔離到單個節點。您可能必須調整最小節點大小。
您打算進行哪種分析或建模？該方法可能包括識別異常值。
回复：使用分類變量檢測數據集中的異常值在數據集上，我將執行MCA。我注意到，二維MCA圖對數據集的刪除/包含校正劑非常敏感，因此應謹慎進行異常值檢測/刪除。之後，將使用K均值進行聚類； K均值對異常值也很敏感。因此，在開始分析之前，必須使用正確的統計方法和jmp工具正確檢測並消除異常值。
回复：使用分類變量檢測數據集中的異常值我假設沒有用於分類異常值檢測的特定jmp方法？
