正确的数据分析结果有赖于有效的数据。实际获取得到的原始数据，往往可能存在缺失值、异常值、重复值等问题数据，为了保证数据的质量需要进行数据清洗操作对问题数据进行识别，具体如何操作我们以r语言为例进行探讨。
首先针对已有数据进行缺失值的识别，绘图如下
对识别得到的缺失值进行处理，这里直接进行删除。
采用单变量识别的方法识别异常值，目前处理异常值的单变量相关指南往往推荐鲁棒方法，可采用robust z score （基于中位数绝对偏差）、iqr（箱线图）以及置信区间相关方法
采用多变量识别方法，如mcd，lof 等等这里选择 mahalanobis_robust方法
同样有些模型本身就可以用来进行异常值识别如孤立森林，knn等。下面给出结果示意，仅供参考
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
