学习笔记(23):Python数据清洗实战-异常值处理

了解异常值的概念及其对项目分析的影响,掌握使用箱线图法和分布图判断异常值的方法,学习异常值处理策略如盖帽法和数据离散化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

立即学习:https://edu.youkuaiyun.com/course/play/26990/361135?utm_source=blogtoedu

异常值的处理:

  • 指那些偏离正常范围的值,不是错误值
  • 异常值出现频率较低,但又会对实际项目分析造成偏差
  • 异常值一般用过箱线图法(分位差法)或者分布图(标准差法)来判断
  • 异常值往往采取盖帽法或者数据离散化

一些细节:

分位差  =  上四分位数 - 下四分位数

上界 = 上四分位数 + 1.5 * 分位差

下界 = 下四分位数 - 1.5 * 分位差

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值