1. Z分数法(Z-Score):
基于数据点与数据集均值之间的标准差的差异来识别异常值。通常,Z分数大于或小于某个阈值(例如3)的数据点被认为是异常值。
2. 箱线图方法(Box Plot):
使用箱线图可以直观地检测异常值。异常值通常是箱线图上下边界之外的数据点。
3. 马哈拉诺比斯距离(Mahalanobis Distance):
基于多变量数据的马哈拉诺比斯距离来测量观测值与数据集的距离。距离远离数据集中心的观测值可能被认为是异常值。
4. 孤立森林(Isolation Forest):
孤立森林是一种基于树结构的算法,它通过构建随机树来识别异常值。孤立森林倾向于将异常值孤立在树的较短路径上。
5. LOF(局部离群因子,Local Outlier Factor):
LOF算法度量了数据点与其附近数据点的密度差异,从而识别异常值。密度较低的点可能被视为异常值。
6. K近邻算法(K-Nearest Neighbors):
基于K近邻的方法可以通过比较一个数据点与其最近的邻居来识别异常值。如果一个数据点与其邻居差异较大,它可能是异常值。
7. HBOS(直方图基于离群值得分,Histogram-based Outlier Score):
HBOS使用直方图来计算每个数据点的异常值得分。得分较高的数据点被认为是异常值。
8. Elliptic Envelope:
这是一种基于椭圆模型的方法,它假定数据符合多变量高斯分布,并尝试识别与该模型不匹配的数据点。
9. One-Class SVM(支持向量机):
One-Class SVM是一种监督学习算法,它用于学习数据集的正常数据的边界,并识别与这些边界不一致的数据点。
10. 基于深度学习的方法:
深度学习模型如Autoencoders和Variational Autoencoders也可以用于异常值检测,通过重建数据来识别异常值。