中位数绝对偏差(MAD)法处理离群值

比眉伴天荒 2024-04-08 10:30 110阅读 0赞

> 作者：非妃是公主  
> 专栏：《数学建模》  
> **个性签：顺境不惰，逆境不馁，以心制境，万事可成。——曾国藩**  
> ![在这里插入图片描述][20b1b59cc9c6443eba4a7a7531af8f99.jpeg]

中位数绝对偏差（MAD）是由Hampel（1974）发现并推广的，中位数（M）和平均数（mean）一样，是中心趋势的衡量标准，但它的优点是对异常值的存在非常不敏感。异常检测模型的击穿点是可以被污染（即设置为无穷大）而不迫使模型出现错误（在规模估计器的情况下为无穷大或空）的最大观察比例。例如，当单个观测值具有无限值时，所有观测值的平均值就变成了无限值；因此，平均值的击穿点是0。只有当超过50%的观察值是无限的时候，中位数才会出错。在分解点为0.5的情况下，中位数是具有最高击穿点的离群点估计模型。MAD作为一个异常检测的模型（定义见下面的公式），利用了中位数的这一特性。初此之外，MAD完全不受样本大小的影响。  
 M A D = b M i × x i − M j × x j MAD=bM\_i\\times x\_i-M\_j\\times x\_j MAD=bMi×xi−Mj×xj  
其中， x j x\_j xj是n个原始值的观测值， M i M\_i Mi是 ∣ x i − M j ( x j ) ∣ \\left|x\_i-M\_j\\left(x\_j\\right)\\right| ∣xi−Mj(xj)∣的中位数， M j M\_j Mj是 x j x\_j xj的中位数，即一个单一维度数据集合。通常情况下， b = 1.4826 b=1.4826 b=1.4826，这是一个与数据的正态性假设有关的常数。假设数据整体具有正态性，不考虑离群值所引起的异常。  
一般情况下，在中位数上下3倍MAD值范围内波动被认为是正常数据，超过3倍MAD值被认为是离群值，判断公式如下：  
 M − 3 × M A D < x i < M + 3 × M A D M-3\\times MAD < x\_i<M+3×MAD M−3×MAD<xi<M\+3×MAD

∣ x i − M M A D ∣ < 3 \\vert \\frac\{x\_i-M\}\{MAD\}\\vert<3 ∣MADxi−M∣<3

其中， M M M为样本中位数， x i x\_i xi为样本值。不满足上述两式的被判断为离群点，满足等式的判定为正常点。

clear
    clc
    close all
    %离群值的删除
    t = 1:1:4096;
    A = load("3A附件/9.txt");% A读入的为一个一维数组
    
    figure(3)
    B3 = filloutliers(A,'linear','movmedian',51);%MAD法
    
    hold on
    plot(t,A)
    % YL = ylim;
    % ylim(YL)
    xlim([0,4100])
    plot(t,B3)
    % ylim(YL)
    hold off
    legend('原数据','去除离散值后','Location','southeast')
    title('中位数绝对偏差去除离散值（MAD）效果图')

[20b1b59cc9c6443eba4a7a7531af8f99.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/f281eff468454e36951ffe294d478fae.jpeg