Ausreißer in einem Datensatz mit kategorialen Variablen erkennenIch habe einen großen Datensatz mit kategorialen Umfragedaten von > 800 Teilnehmern. Es gibt 10 kategoriale Variablen mit jeweils 4 Nominalniveaus. Gibt es eine JMP-Methode zum Zuweisen/Erkennen von Ausreißerteilnehmern?
Erweiterte statistische ModellierungKonsumenten- und MarktforschungDatenzusammenführung und -bereinigungBetreff: Erkennen Sie Ausreißer in einem Datensatz mit kategorialen VariablenMir sind solche Verfahren nicht bekannt. Ich werde es anderen Benutzern mit mehr Erfahrung und Wissen überlassen, welche zu identifizieren.
Unwissenheit wird mich nicht davon abhalten, einige Ansätze zu erarbeiten. Ein Ausreißer ist ein ungewöhnliches oder unerwartetes Ergebnis. (Beachten Sie, dass dies nicht unbedingt falsch oder ein kontaminiertes Ergebnis ist.) Sie können also eine Vielzahl von nicht überwachten und überwachten Lernmethoden verwenden, die solche Fälle isolieren können.
- Die Mehrfachkorrespondenzanalyse wurde entwickelt, um viele kategoriale Variablen mit vielen Ebenen zu verarbeiten. Die optimale Skalierung basiert auf dem Chi-Quadrat-Abstand vom Schwerpunkt. Ausreißer würden sich vielleicht in der Handlung trennen.
- Eine Restanalyse mit einem multi-nominalen verallgemeinerten linearen Modell könnte Ausreißer identifizieren.
- Durch rekursive Partitionierung werden solche Fälle auf einen einzelnen Knoten isoliert. Möglicherweise müssen Sie die minimale Knotengröße anpassen.
Welche Art von Analyse oder Modellierung haben Sie geplant? Die Methode kann die Identifizierung von Ausreißern umfassen.
Betreff: Erkennen Sie Ausreißer in einem Datensatz mit kategorialen VariablenAuf dem Datensatz werde ich MCA durchführen. Ich habe festgestellt, dass ein zweidimensionales MCA-Diagramm sehr empfindlich auf das Entfernen / Einbeziehen von Teilnehmern des Datensatzes reagiert, sodass das Erkennen / Entfernen von Ausreißern sorgfältig erfolgen sollte. Danach werden mit K-Mittel-Clustern identifiziert; K-means reagiert auch sehr empfindlich auf Ausreißer. Vor dem Start der Analyse müssen Ausreißer mit der richtigen statistischen Methode und dem richtigen jmp-Tool korrekt erkannt und entfernt werden.
Betreff: Erkennen Sie Ausreißer in einem Datensatz mit kategorialen VariablenIch gehe davon aus, dass es keine spezifische jmp-Methode zur kategorialen Ausreißererkennung gibt.
