Détecter les valeurs aberrantes dans un ensemble de données avec des variables catégoriellesJ'ai un vaste ensemble de données avec des données d'enquête catégorielles provenant de > 800 participants. Il existe 10 variables catégorielles avec 4 niveaux nominaux chacune. Existe-t-il une méthode jmp pour attribuer/détecter les participants aberrants ?
Modélisation statistique avancéeÉtudes de consommation et de marchéMélange et nettoyage des donnéesRe: Détecter les valeurs aberrantes dans un ensemble de données avec des variables catégoriellesJe n'ai pas connaissance de telles procédures. Je laisserai à d'autres utilisateurs plus d'expérience et de connaissances le soin d'en identifier.
L'ignorance ne m'empêchera pas de réfléchir à certaines approches. Une valeur aberrante est un résultat inhabituel ou inattendu. (Notez que ce n'est pas nécessairement faux ou un résultat contaminé.) Vous pouvez donc utiliser une variété de méthodes d'apprentissage non supervisé et supervisé qui pourraient isoler de tels cas.
- L'analyse des correspondances multiples est conçue pour traiter de nombreuses variables catégorielles à plusieurs niveaux. La mise à l'échelle optimale est basée sur la distance Chi carré du centre de gravité. Les valeurs aberrantes se sépareraient peut-être dans l'intrigue.
- Une analyse résiduelle avec un modèle linéaire généralisé multi-nominal pourrait identifier des valeurs aberrantes.
- Le partitionnement récursif isolera ces cas sur un seul nœud. Vous devrez peut-être ajuster la taille minimale du nœud.
Quel type d'analyse ou de modélisation prévoyiez-vous? La méthode peut inclure l'identification des valeurs aberrantes.
Re: Détecter les valeurs aberrantes dans un ensemble de données avec des variables catégoriellesSur l'ensemble de données, je vais effectuer MCA. J'ai remarqué qu'un tracé MCA à 2 dimensions est assez sensible à la suppression / à l'inclusion de participants à l'ensemble de données, de sorte que la détection / suppression des valeurs aberrantes doit être effectuée avec soin. Après cela, les clusters K-means seront identifiés; K-means est également assez sensible aux valeurs aberrantes. Ainsi, avant de commencer l'analyse, les valeurs aberrantes doivent être correctement détectées et supprimées à l'aide de la bonne méthode statistique et de l'outil jmp.
Re: Détecter les valeurs aberrantes dans un ensemble de données avec des variables catégoriellesJe suppose qu'il n'y a pas de méthode jmp spécifique pour la détection des valeurs aberrantes catégoriques?
