7、多变量分组分析与异常值检测

多变量分组分析与异常值检测

1. 二变量和三变量的分组与质心分析

在数据分析中，绘制每个组和变量的质心（平均值）图表非常重要，它能帮助我们识别数据中是否存在异常值或与其他数据行为差异较大的点，这些点可能导致可疑活动或需要创建子组来改进细分。由于不同变量的数值尺度不同，我们需要为每个变量绘制不同的质心图表。

1.1 二变量分析（利润和数量）

• 利润方面，从相关图表可知，第一组的利润水平最高。
• 数量方面，第七组的数值最大。
• 进一步分析利润和数量数据与质心的分离情况，利润图表显示第一、三、六组与质心的分离程度较大；数量图表显示第二、五、七组的数据最为分散。由于两组变量中数据分散的组不同，我们可以选择利润分离程度较大的第一组创建子组。具体操作步骤如下：
  1. 仅选择第一组的数据。
  2. 应用之前使用的相同程序，找到最佳的分组数量。
  3. 运行 K - means 函数。这样每个子组与质心的分离程度会更小，因为处理的数据值更少。

1.2 三变量分析（利润、数量和月份）

结合利润、组和月份，我们可以找出最盈利的季节和与质心分离程度较小的组。再利用数量变量，查看哪些月份和组对物流运营的需求更大，且与质心的分离程度也较小。
- 利润、组和月份的第一个图表显示，第四、五、六组与质心的分离程度较大，且这三组的利润最高。
- 数量、月份和利润的第二个图表显示，第一组和第七组在质心的最小值和最大值范围之间的距离较大，可能需要创建子组来处理这些数据。