?p=22160

最近我们被客户要求撰写关于分位数随机森林（QRF）回归树的研究报告，包括一些图形和统计输出。

这个例子展示了如何使用分位数随机林来检测异常值

分位数随机林可以检测到与给定X的Y的条件分布有关的异常值。

离群值是一些观测值，它的位置离数据集中的大多数其他观测值足够远，可以认为是异常的。离群观测的原因包括固有的变异性或测量误差。异常值显著影响估计和推断，因此检测它们决定是删除还是稳健分析非常重要。

为了演示异常值检测，此示例：
从具有异方差性的非线性模型生成数据，并模拟一些异常值。
生长回归树的分位数随机森林。
估计预测变量范围内的条件四分位（Q1、Q2和Q3）和_四分位_距（IQR）。
将观测值与边界进行比较，边界为F1=Q1−1.5IQR和F2=Q3+1.5IQR。任何小于F1或大于F2的观测值都是异常值。

生成数据

从模型中生成500个观测值

在0 ~ 4π之间均匀分布，εt约为N(0,t+0.01)。将数据存储在表中。

rng('default'); % 为保证重复性
randsample(linspace(0,4*pi,1e6),n,true)';
epsilon = randn(n,1).*sqrt((t+0.01));

将五个观测值沿随机垂直方向移动90%的值。

 numOut = 5;
Tbl.y(idx) + randsample([-1 1],numOut,true)'.*(0.9*Tbl.y(idx));

绘制数据的散点图并识别异常值。

plot(Tbl.t,Tbl.y,'.');
plot(Tbl.t(idx),Tbl.y(idx),'*');
title('数据散点图');
legend('数据','模拟异常值','Location','NorthWest');

点击标题查阅往期内容

R语言用LOESS(局部加权回归)季节趋势分解（STL）进行时间序列异常检测

左右滑动查看更多

生成分位数随机森林

生成200棵回归树。

Tree(200,'y','regression');

返回是一个TreeBagger集合。

预测条件四分位数和四分位数区间

使用分位数回归，估计t范围内50个等距值的条件四分位数。

linspace(0,4*pi,50)';
quantile(pred,'Quantile');

quartile是一个500 × 3的条件四分位数矩阵。行对应于t中的观测值，列对应于概率。在数据的散点图上，绘制条件均值和中值因变量。

 plot(pred,[quartiles(:,2) meanY]);
legend('数据','模拟的离群值','中位数因变量','平均因变量',...

虽然条件均值和中位数曲线很接近，但模拟的离群值会影响均值曲线。
计算条件IQR、F1和F2。

 iqr = quartiles(:,3) - quartiles(:,1);
f1 = quartiles(:,1) - k*iqr;

k=1.5意味着所有小于f1或大于f2的观测值都被认为是离群值，但这一阈值并不能与极端离群值相区分。k为3时，可确定极端离群值。

将观测结果与边界进行比较

绘制观察图和边界。

 plot(Tbl.t,Tbl.y,'.');
legend('数据','模拟的离群值','F_1','F_2');
title('使用分位数回归的离群值检测')

所有模拟的异常值都在[F1，F2]之外，一些观测值也在这个区间之外。

本文摘选《 matlab使用分位数随机森林（QRF）回归树检测异常值 》，点击“阅读原文”获取全文完整资料。

点击标题查阅往期内容

逻辑回归、随机森林、SVM支持向量机预测心脏病风险数据和模型诊断可视化|数据分享
 贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析免疫球蛋白、前列腺癌数据
 用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
 PYTHON用户流失数据挖掘：建立逻辑回归、XGBOOST、随机森林、决策树、支持向量机、朴素贝叶斯和KMEANS聚类用户画像
 PYTHON集成机器学习：用ADABOOST、决策树、逻辑回归集成模型分类和回归和网格搜索超参数优化
 R语言集成模型：提升树boosting、随机森林、约束最小二乘法加权平均模型融合分析时间序列数据
 Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
 R语言用主成分PCA、逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
 R语言基于树的方法：决策树，随机森林，Bagging，增强树
 R语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测
 spss modeler用决策树神经网络预测ST的股票
 R语言中使用线性模型、回归决策树自动组合特征因子水平
 R语言中自编基尼系数的CART回归决策树的实现
 R语言用rle，svm和rpart决策树进行时间序列预测
 python在Scikit-learn中用决策树和随机森林预测NBA获胜者
 python中使用scikit-learn和pandas决策树进行iris鸢尾花数据分类建模和交叉验证
 R语言里的非线性模型：多项式回归、局部样条、平滑样条、广义相加模型GAM分析
 R语言用标准最小二乘OLS，广义相加模型GAM ，样条函数进行逻辑回归LOGISTIC分类
 R语言ISLR工资数据进行多项式回归和样条回归分析
 R语言中的多项式回归、局部回归、核平滑和平滑样条回归模型
 R语言用泊松Poisson回归、GAM样条曲线模型预测骑自行车者的数量
 R语言分位数回归、GAM样条曲线、指数平滑和SARIMA对电力负荷时间序列预测 R语言样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化
 如何用R语言在机器学习中建立集成模型？
R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测在python 深度学习Keras中计算神经网络集成模型 R语言ARIMA集成模型预测时间序列分析 R语言基于Bagging分类的逻辑回归(Logistic Regression)、决策树、森林分析心脏病患者
 R语言基于树的方法：决策树，随机森林，Bagging，增强树
 R语言基于Bootstrap的线性回归预测置信区间估计方法
 R语言使用bootstrap和增量法计算广义线性模型（GLM）预测置信区间
 R语言样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化
 Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
 R语言随机森林RandomForest、逻辑回归Logisitc预测心脏病数据和可视化分析
 R语言用主成分PCA、逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
 Matlab建立SVM，KNN和朴素贝叶斯模型分类绘制ROC曲线
 matlab使用分位数随机森林（QRF）回归树检测异常值

526互联

matlab使用分位数随机森林（QRF）回归树检测异常值|附代码数据

全文链接：http://tecdat.cn/?p=22160

生成数据

生成分位数随机森林

预测条件四分位数和四分位数区间

将观测结果与边界进行比较