python离群点检测_【挖掘模型】： Python-KMeans算法聚类消费离群点数据

发现与大部分其他对象显著不同的对象，大部分数据挖掘将这种差异视为噪声而丢弃，然而在一些应用中，罕见的数据可能蕴含更大的研究价值

# 成因： 数据来源于不同的类，自然变异、数据测量和收集误差

# 离群点的类别

# 从数据范围 全局离群点和局部离群点

# 从数据类型 数值型离群点和类型离群点

# 从属性的个数 一维离群点和多维离群点（一个对象可能有多个属性）

# 常用离群点检测方法

# 基于统计 构建一个概率分布模型，并且计算符合对象的模型概率，具有低概率的点视为离群点

# 基于邻近度 数据对象之间定义邻近度量，把远离大部分的点的对象视为离群点

# 密度常用邻近度

# 一种是定义密度为K个最邻近的平均距离的倒数，如果该距离越小，则密度越高

# 使用DBSCAN聚类算法，一个对象周围的密度等于对象指定距离d对象的个数

# 基于密度 离群点是低密度区域中的对象

# 基于聚类 丢弃远离其他簇的小簇/先聚类所有对象，然后评估对象数据簇的程度

使用K-Means算法聚类消费离群点数据

利用表中的数据进行聚类，并计算各个样本到各个中心的距离，分析离群样本，得到距离误差图，如果距离阈值为2的话，有8个离群点