第九章 离群点

离群点：是指全局或局部范围内偏离一般水平的观测对象。
什么是离群点，有哪些类型？离群点检测方法有哪些（把含义讲清楚）？
离群点的类型：
（1）全局离群点：当一个数据对象明显偏离了数据集中绝大多数的对象时，该对象就是全局离群点。
（2）条件离群点：当且仅当在某种特定情境下，一个数据对象现主偏离数据集中的其他对象时，该数据对象称为条件离群点。
（3）集体离群点：当数据集中的一些数据对象集体显著偏离整个数据集时，该集合形成的子集形成集体离群点。
离群点的检测：
（1）基于统计学的离群点检测：思想是假设正常的数据对象都可以由一个统计模型产生，如果某数据对象不符合该统计模型，则该数据对象是离群点。主要思想：利用在海量数据集中多数的数据服从一定的模型分布，然后通过不一致检测分离出那些严重偏离分布曲线的记录作为离群点。
该方法为数据集构建一个概率统计模型，然后根据模型采用不和谐检验识别离群点。
（2）基于近邻的离群点检测：
a.基于距离的离群点检测方法，该方法中，离群点就是远离大部分对象的点。其考虑的是对象给定半径的邻域，如果在某个对象的邻域内没有足够的其他的点，则称此对象为离群点。
B.基于密度的离群点检测，该方法中，考虑的是对象与它近邻的密度。如果一个对象相比于它的近邻低的多，则称为此对象为离群点。
（3）基于聚类的离群点检测：基于聚类的方法的主要目的是产生聚类簇，离群点的返现是聚类分析的副产品。该方法分成两个阶段：1.对数据进行聚类，2.计算对象或簇的离群因子，将离群因子大的对象或稀疏簇中的对象判定为离群点。
（4）基于分类的离群点检测：构建一个描述正常数据的分类器，不正常的数据就是离群点。只要数据点在决策边界外即可认为是离群点。