جدول المحتويات:
التعريف - ماذا يعني الاكتشاف الخارجي؟
الاكتشاف الخارجي هو عملية الكشف عن القيم الخارجية واستبعادها بعد ذلك من مجموعة معينة من البيانات.
يمكن تعريف الطرف الخارجي على أنه جزء من البيانات أو الملاحظة التي تنحرف بشكل كبير عن المعيار المعين أو متوسط مجموعة البيانات. قد يكون سبب الانقطاع الخارجي مجرد صدفة ، ولكنه قد يشير أيضًا إلى خطأ في القياس أو أن مجموعة البيانات المحددة لها توزيع ذي ذيل كبير.
فيما يلي سيناريو بسيط في الاكتشافات الخارجية ، تنتج عملية القياس باستمرار قراءات بين 1 و 10 ، لكن في بعض الحالات النادرة نحصل على قياسات أكبر من 20.
تسمى هذه القياسات النادرة خارج القاعدة بأنها القيم الخارجية لأنها "تقع خارج" منحنى التوزيع الطبيعي.
تيكوبيديا تشرح Out Out Detection
لا يوجد حقًا طريقة رياضية موحدة وجامدة لتحديد القيم الخارجية لأنها تختلف باختلاف المجموعة أو مجموعة البيانات ، لذلك يصبح تحديدها واكتشافها ذاتيًا في النهاية. من خلال أخذ عينات مستمرة في حقل بيانات معين ، قد يتم تحديد خصائص الطرف الخارجي لتسهيل عملية الكشف.
هناك طرق قائمة على النماذج لاكتشاف القيم المتطرفة ويفترضون أن البيانات كلها مأخوذة من توزيع عادي وستحدد الملاحظات أو النقاط ، التي يُعتبر أنها غير مرجحة استنادًا إلى الانحراف المعياري أو المتوسط ، باعتبارها القيم المتطرفة. هناك عدة طرق للكشف الخارجي:
- Grubb's Test for Outliers - يعتمد هذا على افتراض أن البيانات ذات توزيع طبيعي وتزيل واحدة خارجية في وقت واحد مع تكرار الاختبار حتى لا يمكن العثور على القيم الخارجية الإضافية.
- اختبار Dixon Q - أيضًا استنادًا إلى الحالة الطبيعية لمجموعة البيانات ، تقوم هذه الطريقة باختبار البيانات السيئة. لقد تمت الإشارة إلى أنه يجب استخدام هذا بشكل ضئيل ولا يتم استخدامه أكثر من مرة في مجموعة البيانات.
- معيار Chauvenet - يُستخدم هذا التحليل لتحليل ما إذا كان المتسلسل الهامشي زائفًا أو لا يزال داخل الحدود ويعتبر جزءًا من المجموعة. يتم أخذ المتوسط والانحراف المعياري ويتم احتساب احتمال حدوث الخارج. ستحدد النتائج ما إذا كان ينبغي إدراجها أم لا.
- معيار Pierce - يتم تعيين حد للخطأ لسلسلة من الملاحظات ، يتم بعدها تجاهل كل الملاحظات لأنها تنطوي بالفعل على مثل هذا الخطأ الكبير.
