盖帽异常值

异常值的几种情况

在数据分析过程中，异常值的界定往往具有一定的难度，通常数据中出现的异常值可分为以下几种类型：

• 单个数值的异常

如上图所展示的情形，在某一市场产品客户群体的样本分布中，年龄处于0-5岁以及150-200岁区间的数据点可被明确识别为异常。对于此类单个数值的异常情况，通常需要结合具体业务背景和实际应用场景来进行综合判断。

相关性异常

通常情况下，个人收入水平会随着年龄的增加而呈现出近似线性的变化规律。然而，若出现如图所示的情形，例如年轻群体中存在高收入个体（如思聪），或年长群体中出现低收入者（如流浪老人），尽管这些情况在特定条件下可能属于正常现象，但仍应将其剔除出用于建模的数据样本范围。以下为生成该散点图所采用的SAS编程代码：

突发异常

当出现如下图所示的情形时，首要任务是分析异常值产生的原因。对于