Box plots और IQR

Python में Anomaly Detection

Bekhruz (Bex) Tuychiev

Kaggle Master, Data Science Content Creator

Boxplots पुनरावलोकन

Boxplots:
- 5-number summary के उन्नत विज़ुअल रूप
- डेटा की स्थिति, फैलाव और skewness दिखाते हैं
- outliers की उपस्थिति दर्शाते हैं

एनोटेशन वाला एक नमूना बॉक्सप्लॉट.

Boxplot के घटक

25th, 75th पर्सेंटाइल और बॉक्स को तीर व टेक्स्ट से दिखाता एक बॉक्सप्लॉट.

Whiskers

और घटकों के साथ एक और बॉक्सप्लॉट: median, एक नमूना outlier, lower और upper outlier सीमाएँ.

Inter Quartile Range (IQR)

IQR - Inter Quartile Range
IQR = Q3 - Q1
Whisker लंबाई: IQR और एक factor का संयोजन

पिछली स्लाइड जैसा ही छोटा बॉक्सप्लॉट.

Whisker लंबाई की गणना

Factor = 1.5
Lower limit: $Q1 - 1.5 * IQR$
Upper limit: $Q3 + 1.5 * IQR$

पिछली स्लाइड जैसा ही बॉक्सप्लॉट.

Boxplots बनाना

import matplotlib.pyplot as plt

plt.boxplot(sales)
plt.xlabel("Product sales")

product sales का बॉक्सप्लॉट जिसमें upper outlier सीमा के ऊपर कई outliers एक काली रेखा बनाते हैं.

Whisker लंबाई नियंत्रित करना

plt.boxplot(sales, whis=2.5)
plt.xlabel("Product sales")

product sales का बॉक्सप्लॉट जिसमें upper whisker के ऊपर कम outliers हैं.

कोड में IQR

# Calculate the percentiles
q1 = sales.quantile(0.25)
q3 = sales.quantile(0.75)


# Calculate IQR
IQR = q3 - q1

# Set Multiplying factor
factor = 2.5

IQR से outliers ढूँढना

# Calculate the limits
lower_limit = q1 - (IQR * factor)


upper_limit = q3 + (IQR * factor)

# Create masks
is_lower = sales < lower_limit
is_upper = sales > upper_limit


# Filter
outliers = sales[is_lower | is_upper]

# Print the # of outliers
print(len(outliers))

मेथड की लचीलापन

Boxplots और IQR फ़िल्टरिंग बहुत लचीलापन देती है
outliers मार्क करने के लिए कस्टम नियम बना सकते हैं

अभ्यास करते हैं!

Python में Anomaly Detection