matlab离群点检测

在Matlab中，有多种方法可以用于离群点检测。其中一种常用的方法是基于统计学的离群点检测方法，如均值与标准差、箱线图等。另外，还可以使用基于机器学习的离群点检测方法，如局部离群点因子（LOF）、孤立森林（Isolation Forest）等。

代码示例：
1. 基于统计学的离群点检测方法：

- 使用均值与标准差进行离群点检测：

     data = [1, 2, 3, 100]; % 数据
     mean_val = mean(data); % 计算均值
     std_val = std(data); % 计算标准差
     threshold = mean_val + 3 * std_val; % 设置离群点阈值
     outliers = data(data > threshold); % 找出离群点

- 使用箱线图进行离群点检测：

     data = [1, 2, 3, 100]; % 数据
     boxplot(data); % 绘制箱线图

2. 基于机器学习的离群点检测方法：

- 使用局部离群点因子（LOF）进行离群点检测：

     data = [1, 2, 3, 100]; % 数据
     lof_outliers = localoutlierfactor(data); % 计算局部离群点因子
     outliers = data(lof_outliers > 1); % 找出离群点（LOF大于1）

- 使用孤立森林（Isolation Forest）进行离群点检测：

     data = [1, 2, 3, 100]; % 数据
     mdl = fitcsvm(data, 'OutlierFraction', 0.05); % 使用孤立森林进行离群点检测
     predicted_labels = predict(mdl, data); % 预测离群点标签
     outliers = data(predicted_labels == -1); % 找出离群点（标签为-1）