熱線電話：13121318867

登錄
首頁大數據時代異常值處理常用的幾種方法
異常值處理常用的幾種方法
2020-07-01
收藏

異常值，又稱離群點，是指那些在數據集中存在的不合理的值，需要注意的是，不合理的值是偏離正常范圍的值，不是錯誤值。比如人的身高為-1m，人的體重為1噸等，都屬于異常值的范圍。雖然異常值不常出現，但是又會對實際項目分析有影響，造成結果的偏差，所以大家不能不重視。前面文章分享了幾種異常值檢測的方法，下面小編給大家帶來常用的異常值處理方法，希望對大家有所幫助。

·刪除

直接將含有異常值的記錄刪除，通常有兩種策略：整條刪除和成對刪除。這種方法最簡單簡單易行，但缺點也不容忽視，一是在觀測值很少的情況下，這種刪除操作會造成樣本量不足;二是，直接刪除、可能會對變量的原有分布造成影響，從而導致統計模型不穩定。

·視為缺失值

視為缺失值，利用處理缺失值的方法來處理。這一方法的好處是能夠利用現有變量的信息，來填補異常值。需要注意的是，將該異常值作為缺失值處理，需要根據該異常值(缺失值)的特點來進行，針對該異常值(缺失值)是完全隨機缺失、隨機缺失還是非隨機缺失的不同情況進行不同處理。

·平均值修正

如果數據的樣本量很小的話，也可用前后兩個觀測值的平均值來修正該異常值。這其實是一種比較折中的方法，大部分的參數方法是針對均值來建模的，用平均值來修正，優點是能克服了丟失樣本的缺陷，缺點是丟失了樣本“特色”。

·不處理

根據該異常值的性質特點，使用更加穩健模型來修飾，然后直接在該數據集上進行數據挖掘。


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

缺失值處理 異常值處理 偏差 數據挖掘

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇關聯規則的評估標準和實現算法
下一篇對于T分布來源和定義的簡單理解
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢