從PCA和QQ地塊中識別和刪除異常值

Question

我有一個132 x 107的數據集，它由2個病人類型（病人1的33個）和（99個病人2）組成。

我在尋找離羣所以我已經運行1號4種成分的數據集和done qqplots PCA，使用以下命令

pca = prcomp(data, scale. = TRUE) 
plot(pca$x, pch = 20, col = c(rep("red", 33), rep("blue", 99))) 

當我使用第二部分的qqplot：

qqPlot(pca$x[,2],pch = 20, col = c(rep("red", 33), rep("blue", 99)))  

下圖顯示了2個清除異常值 - 左下角的紅色點是病人1。

有這樣他們就可以被移除工作了數據，這些點的指數的任何直接的方式？

Answer 1

出於某種原因，我不相信鑑定方法支持在car包 （的qqPlot()源）

讓我們來看看USArrests數據的PCA ...

pca <- prcomp(USArrests) 

這個使用qqPlot的情節很簡單。

require(car) 
qqPlot(pca$x[,2],pch = 20, col = c(rep("red", 33), rep("blue", 99))) 

然而，qqPlot()不通過identify()允許點選擇。

identify(qqPlot(pca$x[,2],pch = 20, col = c(rep("red", 33), rep("blue", 99)))) 
# numeric(0) 

你可以，但是，請在stats套餐使用的qqnorm()。

identify(qqnorm(pca$x[,2],pch = 20, col = c(rep("red", 33), rep("blue", 99)))) 

這將產生一個不太複雜的圖形，但你應該能夠通過手動qqline()（也stats）和多一點的數學添加一行和置信區間。

Answer 2

可以在R.嘗試identify方法通常情況下，運行

identify(qqPlot(pca$x[,2],pch = 20, col = c(rep("red", 33), rep("blue", 99)))) 

和要找準穴位左鍵單擊。得分向量中的點的索引應該與原始數據中的相同。