#离群点检测:发现与大部分其他对象显著不同的对象 # 离群点成因:数据来源于不同的类,自然变异,数据测量和收集误差 # 离群点类型: # 1、全局离群点和局部离群点:从整体来看某些对象没有离群特征,但是从局部来看,却显示了一定的离群性。 # 2、数值型离群点和分类型离群点 # 3、一维离群点和多维离群点 # 离群点检测方法: # 1、基于统计:构建一个分布模型,并计算对象符合该模型的概率,把具有低概率的对象视为离群点,前提是必须知道数据集服从什么分布 # 2、基于近邻度:在数据对象之间定义邻近性度量,把远离大部分点的对象视为离群点 # 3、基于密度:数据集可能存在不同密度区域,离群点是在低密度区域中的对象,一个对象的离群点得分是该对象周围密度的逆 # 4、基于聚类:丢弃远离其他簇的小簇;或者先聚类所有对象,然后评估对象属于簇的程度。 # 基于模型的离群点检测方法:通过估计概率分布的参数来建立一个数据模型。如果一个数据对象不能很好地同该模型拟合,即如果它很可能不服从该分布,则是一个离群点 # 1
Python数据分析与挖掘实战第五章笔记之离群点检测
最新推荐文章于 2024-06-06 07:00:00 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)