数据统计异常值分析方法

阅读之前看这里 👉：博主是一名正在学习数据分析的人员，博客内容记录了学习过程中的部分总结，也期待与大家共同进步。在撰写过程中，可能存在诸多疏漏与不足之处，如有疑问，欢迎私信博主进行指正。
博客地址：天阑之蓝的博客，在学习的过程中难免会遇到困难与困惑，希望大家能够在这一过程中不断肯定自我、突破自我，并最终实现自我价值。

在构建机器学习模型或运用统计方法时，错误数据或异常值往往构成一个较为突出的问题，这类数据通常是由于测量偏差或系统运行中的特殊状况所导致的，并无法反映实际系统的本质特征。事实上，在开展后续分析工作前，应当优先完成对异常值的识别与处理。在特定情境下，这些异常数据也可能揭示出系统中某些区域存在的非典型现象；因此，对异常值的识别具有重要意义，因为这一过程能够为数据集提供额外的信息支持。当前已有多种技术手段可用于异常值检测，并可根据实际情况自主决定是否将其从原始数据中剔除。

文章目录

• 1.基础统计分析
  • 2.3\sigma判定准则
  • 3. 箱线图分析法
  • 4.异常值识别技术
    • 4.1 模型驱动的异常检测方式
    • 4.2 基于邻近关系的异常点识别方法
    • 4.3 密度分布导向的异常点检测策略
    • 4.4 利用聚类算法进行异常点识别的技术路径

常用的技术手段包括