Skip To Content

이상치 찾기(Find Outliers)

이상치 찾기 이상치 찾기 도구는 데이터의 공간 패턴에 통계적으로 유의한 이상치가 있는지 확인합니다.

워크플로 다이어그램

이상치 찾기 워크플로 다이어그램

사례

  • LA에서 비정상적인 소비 패턴이 확인되는 위치는?
  • 처리 범위에서 빈부 격차가 가장 뚜렷한 위치는?
  • 처리 범위에서 실적이 우수한 매장이 인근에 있음에도 불구하고 판매량이 저조한 매장이 있습니까?
  • 처리 범위에서 당뇨병 발병률이 비정상적으로 높은 곳은 어디입니까?
  • 인근 구/군과 비교하여 기대 수명이 특히 낮은 미국 내 구/군이 있습니까?

사용 참고 사항

입력 피처는 포인트 또는 영역일 수 있습니다.

다음의 이상치 찾기 매개변수를 사용하여 피처의 공간 배열을 평가합니다. 피처가 영역인 경우에는 필드를 선택해야 합니다. 선택한 필드 내의 수를 사용하여 이상치를 결정합니다. 필드 또는 포인트 수 옵션을 사용하여 포인트 피처를 분석할 수 있습니다. 포인트 수를 사용하는 경우 도구는 높은 필드 값 및 낮은 필드 값의 군집점을 확인하는 대신 포인트 자체가 비정상적으로 군집 또는 분산되어 있는지를 확인합니다.

포인트 수를 사용하여 포인트를 분석할 때는 두 가지 추가 옵션을 사용할 수 있습니다. 범위 내의 포인트 수 계산 매개변수를 사용하면 콘텐츠의 영역 레이어, 그물망 그리드또는 육각형 그리드 내에서 구/군 또는 우편 번호와 같은 포인트를 집계할 수 있습니다. 포인트 가능 위치 정의 매개변수는 관심 영역을 하나 또는 여러 개 생성하는 데 사용됩니다. 이 매개변수의 3개 옵션은 없음(모든 포인트가 사용됨), 콘텐츠의 영역 레이어로 정의된 영역, 그리기 도구를 사용하여 생성한 영역입니다.

다음으로 나누기 매개변수를 사용하여 데이터를 정규화할 수 있습니다. Esri 인구 데이터는 GeoEnrichment를 사용하며, 이 데이터를 사용하려면 크레딧을 사용해야 합니다. 다른 옵션으로는 입력 레이어의 필드를 사용하여 정규화하는 방식이 있습니다. 정규화에 사용할 수 있는 몇 가지 값으로는 가구 수나 면적 등이 있습니다.

이 도구에서 사용된 통계에서는 순열을 사용하여 사용자의 값과 임의로 생성된 값 집합을 비교하여 분석 중인 값의 실제 공간 분포를 찾을 가능성을 확인합니다. 최적화 매개변수의 순열 수를 선택하여 정밀도와 증가되는 처리 시간(속도) 간의 균형을 맞춥니다. 문제를 처음 탐색할 때는 적은 수의 순열을 사용할 수 있지만 최종 결과의 정밀도를 위해서는 순열 수를 늘리는 것이 좋습니다.

옵션 드롭다운 메뉴를 사용하여 분석의 특정 셀 크기 또는 거리 밴드를 설정할 수 있습니다.

결과 레이어에는 Cluster/Outlier Type, 각 피처의 분석에 포함된 네이버 개수, 각 피처의 Local Moran's I Index, Value, Score 등 정보가 들어 있는 추가 필드가 포함됩니다. 또한 결과 레이어 항목 세부정보설명 섹션에는 통계 분석에 대한 정보도 포함됩니다.

이상치 찾기 작동 방식

사람의 눈과 뇌는 아무 것도 없는 경우에도 자연적으로 패턴을 찾으려고 시도하므로 데이터의 패턴이 실제 공간 프로세스의 결과인지 아니면 단순히 우연의 결과인지 구분하기가 어려울 수 있습니다. 이러한 이유로 연구 기관과 분석 기관에서는 이상치 찾기(Anselin Local Moran's I)와 같은 통계 방법을 사용하여 공간 패턴을 정량화합니다. 데이터에서 통계적으로 유의한 이상치 또는 군집점을 찾으면 중요한 정보를 얻게 됩니다. 이상치 및 군집점이 발생한 위치와 시점을 알면 확인한 패턴을 더욱 개선할 수 있는 프로세스에 대한 중요한 단서를 얻을 수 있습니다. 예를 들어 특정 거주 지역에서 주거 침입 사건이 지속적으로 증가하는 것을 안다는 것은 효과적인 예방 전략을 수립하거나, 부족한 경찰 인력을 배정하거나, 거주 지역 감시 프로그램을 시작하거나, 강도 높은 수사를 승인하거나, 잠재적 용의자를 파악해야 하는 경우에 매우 중요한 정보입니다.

이상치 찾기 도구는 데이터셋의 각 피처에 대해 Local Moran’s Index(LMiIndex) 를 계산합니다. 양수 값은 피처의 인접 피처에 있는 속성 값이 마찬가지로 높거나 낮다는 것, 즉 이 피처가 군집점의 일부임을 나타냅니다. 음수 값은 피처의 인접 피처에 다른 값이 있다는 것, 즉 이 피처가 이상치임을 나타냅니다. 둘 중 어떤 경우든 군집점 또는 이상치가 통계적으로 유의한 것으로 간주되기 위해서는 피처의 p 값이 충분히 작아야 합니다. 통계적 유의성을 확인하는 방법에 대한 자세한 내용은 z-점수란?을 참조하세요. p 값이란?. Local Moran's I(Index)는 상대적인 척도로, 해당 z-점수나 p 값이 계산된 환경 내에서만 해석할 수 있습니다. COType(Cluster/Outlier Type) 필드는 통계적으로 유의한 높은 값 군집(HH), 낮은 값 군집(LL), 높은 값이 주로 낮은 값으로 둘러싸여 있는 이상치(HL), 낮은 값이 주로 높은 값으로 둘러싸여 있는 이상치(LH)로 구분됩니다.

영역 피처 분석

영역 피처에는 인구 조사 표준 지역, 국가, 선거구, 병원 지역, 필지, 공원 및 휴양지 경계, 유역, 토지 피복 분류, 기후대 등 매우 많은 데이터를 사용할 수 있습니다. 분석 레이어에 영역 피처가 들어 있는 경우 높은 값 및 낮은 값의 이상치를 찾는 데 사용될 숫자 필드를 지정해야 합니다. 이 필드는 다음을 나타낼 수도 있습니다.

  • 개수(예시: 가구 수)
  • 비율(예시: 대졸 이상의 인구 비율)
  • 평균(예시: 평균 또는 중앙 가계 소득)
  • 지표(예시: 스포츠 경기에 대한 가계 지출이 국가 평균을 초과하는지 미달하는지를 나타내는 점수)

제공한 필드를 사용하는 경우 이상치 찾기 도구는 통계적으로 유의한 높은 값 이상치(빨간색), 낮은 값 이상치(파란색), 높은 값 군집점(분홍색), 낮은 값 군집점(연한 파란색)이 있는 영역을 보여 주는 맵(결과 레이어)을 생성합니다.

포인트 피처 분석

다양한 데이터를 포인트 피처로 사용할 수 있습니다. 포인트로 가장 자주 표현되는 피처의 예시에는 범죄 사건, 학교, 병원, 긴급 통화, 교통 사고, 우물, 나무, 보트 등이 있습니다. 경우에 따라 각 포인트 피처와 연관된 데이터 값(필드)을 분석하거나, 포인트 자체의 군집 또는 분산만 평가할 수도 있습니다. 필드 제공 여부에 대한 결정은 질문에 따라 달라집니다.

포인트 피처와 연관된 높은 값 및 낮은 값의 이상치 찾기

분석 필드가 있는 포인트 분석 "비정상적으로 높은 값과 낮은 값이 있는 위치는 어디입니까?" 등의 질문에 답하기 위한 분석 필드를 제공할 수 있습니다. 선택한 필드는 다음을 나타낼 수도 있습니다.

  • 개수(예시: 교차로에서의 교통 사고 건수)
  • 비율(예시: 도시 실업률, 여기서 각 도시는 포인트 피처로 표시됨)
  • 평균(예시: 학교 간의 수학 시험 평균 점수)
  • 지표(예시: 지역 내 자동차 대리점에 대한 고객 만족도 점수)

높은 포인트 개수 및 낮은 포인트 개수의 이상치 찾기

분석 필드가 없는 포인트 분석 일부 포인트 데이터의 경우 일반적으로 각 포인트가 이벤트, 사건 또는 존재/부재의 암시를 나타내면 사용할 명확한 분석 필드가 없는 것입니다. 이러한 경우 군집이 비정상적으로(통계적으로 유의) 강하거나 약한 곳만 파악할 수 있습니다. 이 분석에서는 영역 피처(도구에서 생성하는 그물망 그리드나 육각형 그리드 또는 사용자가 제공한 영역 레이어)가 포인트 위에 배치되고 각 영역에 속한 포인트 수가 계산됩니다. 그런 다음 도구에서는 각 영역 피처와 연관된 높은 포인트 개수 및 낮은 포인트 개수의 이상치를 찾습니다.

포인트 발생 가능 위치 정의

분석 필드가 없는 포인트, 경계 처리 범위 사건 포인트 피처가 발생할 가능성이 있는 모든 위치에서 분석을 수행할 영역 레이어를 지정하거나 처리 범위를 정의하는 영역을 그립니다. 이 옵션의 경우 이상치 찾기 도구는 정의된 처리 범위를 그물망(기본값) 또는 육각형 그리드에 중첩하여 각 그리드 셀에 속한 포인트 수를 계산합니다. 이 옵션을 사용할 때 사건 포인트가 발생할 가능성이 있는 지역을 지정하지 않으면 이상치 찾기 도구에서 포인트가 하나 이상 포함된 그리드 셀만 분석합니다. 그러나 이 옵션을 사용하여 포인트 발생 가능 위치를 정의한 경우에는 정의한 경계 영역 내에 속한 모든 그리드 셀에 대해 분석이 수행됩니다.

고유한 집계 영역 내의 포인트 수 계산

분석 필드가 없는 포인트, 집계 영역 경우에 따라 인구 조사 표준 지역, 경찰 폭력 또는 필지와 같은 영역 피처가 기본 그물망 또는 육각형 그리드보다 분석에 유용할 수 있습니다.

나누기 기준 선택

데이터셋 정규화 다음과 같은 두 가지 일반적인 방식으로 이상치를 식별합니다.

  • 개수 기준 - 특정 데이터셋을 분석할 때 처리 범위 전반의 각 집계 영역 내 피처 수에 대한 이상치를 찾을 수 있습니다. 예를 들어 범죄 발생 건수가 일반적으로 낮은 영역에서 범죄 발생 건수가 최대인 곳 또는 범죄 발생 건수가 높은 영역에서 범죄 발생 건수가 최소인 곳에 해당하는 이상치를 찾아 배정된 인력을 효과를 극대화할 수 있습니다.
  • 강도 기준 - 다른 한편으로는 특정 현상에 영향을 주는 기본적인 분포도를 고려하여 패턴을 이해하고 분석하는 방식도 사용할 수 있습니다. 이 개념은 영역의 크기 또는 각 영역 내 피처 수를 기반으로 값의 차이를 최소화하기 위해 하나의 숫자 속성 값을 다른 숫자 속성 값으로 나누는 프로세스, 즉 정규화라고 종종 불립니다. 예를 들어 범죄의 경우 기본 인구를 고려하여 높은 범죄 발생 건수와 낮은 범죄 발생 건수의 이상치 또는 군집점이 있는 곳을 파악할 수 있습니다. 이 경우 각 지역의 범죄 발생 건수를 세어(해당 지역이 그물망 그리드이든 다른 영역 데이터셋이든) 총 범죄 발생 건수를 해당 지역의 총 인구 수로 나눕니다. 이 프로세스를 통해 범죄율, 즉 1인당 범죄 수가 제공됩니다. 1인당 범죄 수의 이상치 영역을 찾아봄으로써 의사 결정에 도움을 줄 수 있는 다른 질문에도 답할 수 있습니다.

이 두 가지 방식 모두 처리 범위 내의 데이터를 분석하는 데 사용할 수 있지만 답해야 하는 질문에 따라 어떤 방식을 사용할지 결정됩니다.

적합한 나누기 기준 속성을 선택하는 것이 매우 중요합니다. 나누기 기준 속성은 분석하고자 하는 특정 현상의 분포에 영향을 주는 속성이어야 합니다.

Esri 인구나누기를 선택하면 Esri 인구 통계 글로벌 커버리지의 인구 데이터가 사용됩니다. 보강되는 영역(제공한 집계 영역 또는 생성 중인 그물망 사각형)의 크기와 호환되도록 하려면 관심 영역에 사용할 수 있는 데이터 해상도를 살펴봐야 합니다.

결과 해석

이상치 찾기 도구의 결과는 맵입니다. 이 결과 레이어 맵에 있는 포인트나 영역의 경우 진한 빨간색과 진한 파란색으로 표시된 포인트나 영역은 처리 범위에서 통계적으로 유의한 이상치를 나타냅니다. 연한 파란색과 분홍색으로 표시된 포인트나 영역은 통계적으로 유의한 군집을 나타냅니다. 반면, 연하게 나타난 포인트나 영역은 통계적으로 유의한 군집의 일부 또는 이상치가 아닙니다. 이러한 피처와 연관된 공간 패턴은 무작위적 우연의 결과일 가능성이 높습니다. 경우에 따라 분석 결과가 통계적으로 유의한 이상치나 군집점이 없음을 나타낼 수도 있습니다. 이는 중요한 정보입니다. 공간 패턴이 무작위인 경우 기본 원인에 대한 단서가 없습니다. 이러한 경우에는 결과 레이어의 모든 피처가 연하게 나타납니다. 그러나 통계적으로 유의한 군집이나 이상치를 찾을 때 해당 위치는 현상을 생성하는 원인에 대한 중요한 단서입니다. 예를 들어 특정 환경 독성물과 연관된 암 발병률이 높음에 대한 통계적으로 유의한 공간 이상치를 찾으면 사람들을 보호하기 위한 정책과 방침을 수립하는 데 도움이 될 수 있습니다. 마찬가지로 방과 후 스포츠 프로그램을 권장하는 학교와 연관된 아동 비만에 대한 낮은 이상치를 찾으면 이러한 유형의 프로그램을 보다 폭넓게 권장할 수 있는 강력한 타당성을 제공할 수 있습니다.

문제 해결

이상치 찾기 도구에서 사용하는 통계 방법은 확률 이론에 기반을 두므로 최소 개수의 피처가 있어야 효과적으로 작동합니다. 또한 이 통계 방법에는 여러 카운트 또는 분석 필드 값이 필요합니다. 예를 들어 인구 조사 표준 지역별 범죄 발생률을 분석하는 경우 각 표준 지역의 범죄 발생 건수가 정확히 동일하면 도구에서 해를 구할 수 없습니다. 다음 테이블에는 이상치 찾기 도구를 사용할 때 발생할 수 있는 메시지에 대해 설명이 나와 있습니다.

메시지문제해결 방법

핫 스팟 및 콜드 스팟을 계산하려면 선택한 분석 옵션에 최소 60개의 포인트가 필요합니다.

포인트 분석 레이어의 포인트 피처가 부족하여 신뢰할 수 있는 결과를 계산할 수 없습니다.

명확한 해결 방법은 분석 레이어에 더 많은 포인트를 추가하는 것입니다.

또는 경계 분석 영역을 정의하여 포인트가 발생할 수 있는(아직 발생되지는 않음) 영역에 대한 정보를 추가할 수 있습니다. 이 방법을 사용할 경우 30개 이상의 포인트가 필요합니다.

포인트에 중첩되는 집계 영역을 제공할 수도 있습니다. 이 분석의 경우 이러한 영역 내에 최소 30개의 폴리곤 영역과 30개의 포인트가 필요합니다.

30개 이상의 포인트가 있는 경우 분석 필드를 지정할 수 있습니다. 이 경우 포인트가 많거나 적은 위치에 대한 질문이 높은 분석 필드 값과 낮은 분석 필드 값이 공간적으로 군집된 위치에 대한 질문으로 변경됩니다.

핫 스팟 및 콜드 스팟을 계산하려면 분석 필드의 유효한 데이터와 함께 선택한 분석 옵션에 최소 30개의 포인트가 필요합니다.

분석 레이어에 포인트가 부족하거나 NULL이(가) 아닌 분석 필드 값과 연관된 포인트가 부족해 신뢰할 수 있는 결과를 계산할 수 없습니다.

포인트 수가 30개 미만인 경우 이 분석 방법은 데이터에 적절하지 않습니다. 30개가 넘는 포인트가 있는 경우 이 메시지가 나타나면 지정한 분석 필드에 NULL 값이 있을 수 있습니다. NULL 분석 필드 값이 있는 포인트는 건너뜁니다. 또 다른 가능성은 활성 필터로 인해 분석에 사용할 수 있는 포인트 수가 감소했을 수 있다는 것입니다.

선택한 분석 옵션을 사용하여 핫 스팟 및 콜드 스팟을 계산하려면 분석 필드의 유효한 데이터와 함께 30개 이상의 폴리곤이 필요합니다.

분석 레이어에 폴리곤 영역이 부족하거나 NULL이(가) 아닌 분석 필드 값과 연관된 영역 피처가 부족해 신뢰할 수 있는 결과를 계산할 수 없습니다.

폴리곤 영역 수가 30개 미만인 경우 이 분석 방법은 데이터에 적합하지 않습니다. 30개가 넘는 영역이 있는 경우 이 메시지가 나타나면 지정한 분석 필드에 NULL 값이 있을 수 있습니다. NULL 분석 필드 값이 있는 폴리곤 영역은 건너뜁니다. 또 다른 가능성은 활성 필터로 인해 분석에 사용할 수 있는 폴리곤 영역 수가 감소했을 수 있다는 것입니다.

선택한 분석 옵션을 사용하려면 30개 이상의 포인트가 경계 폴리곤 영역 내에 있어야 합니다.

그리거나 제공한 경계 분석 영역 내에 있는 포인트만 분석됩니다. 신뢰할 수 있는 결과를 얻으려면 30개 이상의 포인트가 경계 분석 영역 내에 있어야 합니다.

포인트 수가 30개 미만인 경우 이 방법은 데이터에 적절하지 않습니다. 30개 이상의 피처가 있는 경우에도 더 큰 다른 경계 분석 영역을 제공해야 하는 경우가 자주 있습니다.

또 다른 옵션은 30개 이상의 포인트에서 중첩되는 집계 폴리곤이 30개 이상 있는 영역 레이어를 제공하는 것입니다. 집계 영역을 제공한 경우 각 영역 내의 포인트 수에 대해 분석이 수행됩니다.

선택한 분석 옵션에는 최소 30개의 포인트가 집계 폴리곤 내에 있어야 합니다.

집계 폴리곤 내에 속한 포인트만 분석에 포함됩니다. 신뢰할 수 있는 결과를 얻으려면 30개 이상의 포인트가 제공한 폴리곤 영역 내에 있어야 합니다.

포인트 수가 30개 미만인 경우 이 방법은 데이터에 적절하지 않습니다. 그렇지 않으면 30개 이상의 포인트에서 중첩되는 경계 분석 영역을 그리거나 제공해야 합니다. 경계 영역은 포인트가 발생할 수 있는 모든 위치를 반영해야 합니다.

선택한 분석 옵션에는 최소 30개의 집계 영역이 필요합니다.

선택한 옵션은 포인트 위에 집계 영역을 중첩한 다음 각 영역 내에 속한 포인트 수를 계산합니다. 신뢰할 수 있는 결과를 얻으려면 개수가 30개(30개 영역) 이상이어야 합니다.

30개 이상의 집계 영역 내에 속한 포인트를 30개 이상 제공한 경우 신뢰할 수 있는 결과가 계산될 수 있습니다. 집계 영역이 30개 미만인 경우에는 30개 이상의 포인트에 중첩되는 경계 분석 영역을 그리거나 제공하면 됩니다. 이러한 경계 영역은 포인트가 발생할 수 있는 모든 위치를 반영해야 합니다.

모든 폴리곤 내의 포인트 수가 동일한 경우에는 핫 스팟 및 콜드 스팟을 계산할 수 없습니다. 다른 폴리곤 영역 또는 다른 분석 옵션으로 시도해 보세요.

핫 스팟 찾기 도구에서 각 집계 영역 내의 포인트 수를 계산한 결과 개수가 모두 동일한 것을 확인했습니다. 결과를 계산하려면 이 도구에서 얻은 개수 값에 적어도 약간의 차이가 있어야 합니다.

모든 영역의 포인트 수가 정확히 같지 않게 나타나도록 다른 집계 영역을 제공할 수 있습니다.

집계 영역 대신 경계 분석 영역을 그리거나 제공할 수도 있습니다.

또는 분석 필드를 지정할 수 있습니다. 그러나 이 경우 포인트가 많거나 적은 위치에 대한 질문이 높은 분석 필드 값과 낮은 분석 필드 값이 공간적으로 군집된 위치에 대한 질문으로 변경됩니다.

포인트 위치의 차이가 적어 핫 스팟 및 콜드 스팟을 계산할 수 없습니다. 예를 들어 일치하는 포인트는 공간 차이를 줄입니다. 경계 영역, 집계 영역(최소 30개) 또는 분석 필드를 제공해 보세요.

포인트 수와 분포도에 따라 포인트에 중첩되는 그물망 그리드가 자동으로 생성됩니다. 각 그물망 사각형 내에 속한 포인트 수를 계산하고 포인트가 없는 사각형을 제거한 후 남은 사각형이 30개 미만이었습니다. 이 도구에서 신뢰할 수 있는 결과를 제공하려면 개수가 30개(30개 사각형) 이상이어야 합니다.

포인트가 매우 작은 고유 위치를 차지하는 경우(일치하는 포인트가 많은 경우) 포인트에 중첩되는 집계 영역을 제공하거나, 포인트가 있는 위치와 없는 위치를 나타내는 경계 분석 영역을 그리고 제공하는 것이 좋습니다.

또 다른 옵션은 분석 필드를 지정하는 것입니다. 그러나 이 경우 포인트가 많거나 적은 위치에 대한 질문이 높은 분석 필드 값과 낮은 분석 필드 값이 공간적으로 군집된 위치에 대한 질문으로 변경됩니다.

경계 폴리곤 영역 내 포인트 간의 차이가 적습니다. 더 큰 경계를 제공해 보세요.

포인트 위치와 포인트 수에 따라 포인트에 중첩되는 그물망 그리드가 자동으로 생성됩니다. 각 그물망 사각형 내에 속한 포인트 수를 계산하고 경계 분석 영역 외부에 있는 사각형을 제거한 후 남은 그물망 사각형이 30개 미만이었습니다. 이 도구에서 신뢰할 수 있는 결과를 제공하려면 개수가 30개(30개 사각형) 이상이어야 합니다.

포인트가 경계 분석 영역 내의 여러 곳에 있는 경우 더 큰 경계를 만들거나 제공해야 할 수 있습니다. 포인트가 매우 작은 고유 위치를 차지하는 경우(일치하는 포인트가 많은 경우) 포인트에 중첩되는 집계 영역을 제공하는 것이 좋습니다.

또 다른 옵션은 분석 필드를 지정하는 것입니다. 그러나 이 경우 포인트가 많거나 적은 위치에 대한 질문이 높은 분석 필드 값과 낮은 분석 필드 값이 공간적으로 군집된 위치에 대한 질문으로 변경됩니다.

분석 필드의 모든 값이 같은 것 같습니다. 분석 필드의 차이가 없는 경우 핫 스팟 및 콜드 스팟을 계산할 수 없습니다.

지정한 분석 필드의 분석 레이어에 있는 모든 포인트 또는 영역 피처의 값이 같을 수 있습니다. 이 도구에서 사용하는 통계는 다양한 값이 없으면 해를 구할 수 없습니다.

다른 분석 필드를 제공하거나, 포인트 피처의 경우 포인트 값 대신 포인트 밀도를 분석할 수 있습니다.

제공된 데이터에 대해서는 핫 스팟 및 콜드 스팟을 계산할 수 없습니다. 적절한 경우 분석 필드를 지정해 보세요.

아주 드문 경우이지만, 이 도구에서 그물망 그리드를 생성하고 각 사각형 내의 포인트 수를 계산했을 때 모든 사각형에 있는 포인트 수가 동일했습니다.

이 경우 고유한 집계 영역을 제공하거나, 경계 분석 영역을 그리고 제공하거나, 분석 필드를 지정할 수 있습니다.

셀 크기는 거리 밴드보다 작아야 합니다.

각 그리드 셀 크기보다 작은 거리 밴드 값을 제공했습니다.

거리 밴드셀 크기에 지정된 단위를 확인한 다음, 도구에서 계산된 기본값을 사용하거나 단일 그리드 셀의 크기보다 큰 값을 사용하세요.

이상치 찾기 도구에서 사용되는 알고리즘에 대한 자세한 내용은 최적화된 이상치 분석 작동 방식을 참고하세요.

유사한 도구

이상치 찾기를 사용하면 데이터의 공간 패턴에 통계적으로 유의한 이상치가 있는지 확인할 수 있습니다. 다음에 설명된 기타 도구를 사용할 수도 있습니다.

Map Viewer 분석 도구

데이터 공간 패턴에서 높은 값 및 낮은 값에 대한 통계적으로 유의한 군집점을 찾으려는 경우에는 핫 스팟 찾기 도구를 사용합니다.

포인트 또는 라인 측정을 사용하여 밀도 맵을 생성하려면 밀도 계산 도구를 사용합니다.

ArcGIS Pro 분석 도구

이상치 찾기군집점 및 이상치 분석(Anselin Local Moran's I)최적화된 이상치 분석 도구에서 사용되는 것과 동일한 통계를 실행합니다.