使用可视化工具和统计方法检测异常值

异常值（离群值）是指距离其他数据值太远的数据值。数据异常值可能是自然产生的，也可能是由于测量不准确、或系统故障造成的。与缺失值类似，异常值会破坏数据科学项目并返回错误的结果或预测。异常值也可能出现在倾斜数据中，这些类型的异常值被认为是自然异常值。

异常值会影响数据的平均值、标准差和四分位范围。如果我们在去除异常值之前和之后计算这些统计数据，我们会得到不同的结果。

异常值如何影响机器学习模型?

如果我们的异常值是自然的而不是由于测量误差，则应该将它保留在数据集中，并执行数据转换来对其进行规范化处理。如果我们的数据集很大，但异常值很少，我们应该保留这些异常值，因为它们不会显著影响结果，并且可以为我们的模型带来泛化的效果。

如果我们非常确定我异常值是由于测量误差带来的，则应该从数据集中删除它们。去除异常值的将减少数据集的大小，并可以让我们的模型的适用到所包含的度量范围。但是要记住去掉自然异常值可能导致模型不准确。

 

完整文章：

https://avoid.overfit.cn/post/c55c9a078cf44e33912c6f98affdd7c4