كشف داده هاي پرت با ورودي و خروجي معمولي از ديدگاه متغير زباني

وجود داده های پرت در میان مشاهدات منجر به نتایج غیر دقیق در مدل سازی می شود. كشف چنین داده هایی برای حذف یا كاهش اثر آن ها، اثر معنی داری بر اصلاح مدل دارد. حذف یا كاهش اثر چنین داده هایی دو راه برای جلوگیری از اثر منفی آنها بر مدل سازی است. هنگامی كه هر دو متغیر ورودی و خروجی غیر فازی هستند، هر دو رویكرد حذف یا كاهش اثر داده های پرت مورد بحث قرار گرفته است. ایده اصلی براساس متغیرهای زبانی و مفاهیم نظریه امكان همانند رگرسیون معمولی برای بحث در مورد داده های پرت در نظر گرفته شده است. یك مثال برای نشان دادن قابلیت روش پیشنهادی ارائه شده است.