เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การคำนวณขีดจำกัดของ Outlier ด้วย IQR

การแสดงภาพ outlier มักเป็นเพียงขั้นตอนแรกของการตรวจจับเท่านั้น หากต้องการก้าวไปไกลกว่านั้น จำเป็นต้องเขียนโค้ดเพื่อแยก outlier ออกจากการกระจายตัวของข้อมูล

ในแบบฝึกหัดนี้ จะได้ลองทำตามขั้นตอนแรกที่ boxplot ทำงานอยู่เบื้องหลัง กล่าวคือ คำนวณขีดจำกัดบนและล่างของ outlier ด้วยตนเอง

การกระจายตัวของข้อมูลพร้อมใช้งานในตัวแปร prices

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การตรวจจับความผิดปกติใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณควอร์ไทล์ที่ 1 และที่ 3 ของ prices แล้วเก็บค่าไว้ในตัวแปร q1 และ q3 ตามลำดับ
  • คำนวณคะแนน IQR และเก็บค่าไว้ในตัวแปร IQR
  • คำนวณขีดจำกัดล่างของ outlier และเก็บค่าไว้ในตัวแปร lower_limit
  • คำนวณขีดจำกัดบนของ outlier และเก็บค่าไว้ในตัวแปร upper_limit

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Calculate the 25th and 75th percentiles
q1 = prices.____(____)
q3 = prices.____(____)

# Find the IQR
IQR = ____
factor = 2.5

# Calculate the lower limit
lower_limit = ____ - ____

# Calculate the upper limit
upper_limit = ____ + ____
แก้ไขและรันโค้ด