箱ひげ図
概要
箱ひげ図は数値分布を四分位数、ひげ、外れ値で要約します。 Tunny Dashboard の Box Plot は 1 つの Value を分析し、必要に応じてカテゴリまたは明示的に宣言された整数・刻み幅付きパラメータで 分割します。Violin Plot と選択・ データ準備は共通ですが、密度推定は行いません。
データと正規化
統計量には有限な Value のみを使います。グループ化時は同じ試行の Value と グループ値を対応させ、欠損・非有限のグループ値を除外します。 カテゴリは実際の空文字とパラメータの欠損を区別し、型が違う値も区別します。 数値グループ化には Optuna の整数・刻み幅の宣言情報が必要で、観測値の繰り返し からは推定しません。連続パラメータのビン分割は行いません。
Normalize 有効時は、グループ値がない行の有限値も含めた選択 Value 列全体の 有限な最小値を 、最大値を とし、分割前に次の変換を行います。
なら有限値はゼロになります。グループ別の正規化ではありません。 統計量と CSV は、選択した元スケールまたは正規化スケールを使います。
四分位数とひげ
四分位数は順序統計量の線形補間で計算します(type 7、NumPy の標準 linear
方式)。ソート済みの と に対し、
として隣接する順序統計量を補間します。端点 は です。
Q(q)=x_{(\lfloor h\rfloor+1)}+(h-\lfloor h\rfloor)
\left(x_{(\lfloor h\rfloor+2)}-x_{(\lfloor h\rfloor+1)}\right)
、中央値 、$Q_3=Q(0.75)$ とし、 四分位範囲を とします。Tukey フェンスは次のとおりです。
各ひげはフェンス内の最も極端な実際の観測値まで伸びます。 フェンス外の点は外れ値として個別に表示します。 有限値が 1 件あれば表示でき、1 件だけのグループや定数グループでは四分位数と ひげが同じ位置になります。有限値がないグループは表示しません。
解釈と限界
- 係数 1.5 は慣習的な閾値で、仮説検定ではありません。外れ値マーカーだけで 測定が無効とは判断できません。
- 箱は多峰性を隠します。形が違う分布も同じ四分位数を持ち得るため、 ヒストグラムや バイオリンプロットで形を確認してください。
- グループ比較は条件付き分布の記述であり、因果関係の証明や他パラメータの調整ではありません。
参考文献
- Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley.