《表5 Sub LQR方法分类个数及最优分位点(最后一次迭代)》
通过图5不难发现,当数据中存在少部分异常值时,本文提出的SubLQR方法非常稳健高效,无论是在A-ADIST衡量的与原始数据的绝对距离,还是在RDCM衡量的相对距离下均表现最优,误差最小。并且,当零值占比较大时,SubLQR方法优势更加明显。表5同时给出了设定离群样本后SubLQR算法中的分类个数及最优分位数,数据结果也能一定程度显示存在离群样本情形下插补过程的稳健性,且当数据存在零值和异常值时,高分位数的回归插补效果往往较好。
图表编号 | XD00172930600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 熊巍、潘晗、刘立新 |
绘制单位 | 对外经济贸易大学统计学院 |
更多格式 | 高清、无水印(增值服务) |