异常检测实战

数据科学导论 python语言实现

一、单变量异常检测（一次观测一个变量）

1.1 Z-scores 得分绝对值超过3的

1.2 箱线图

 

import numpy as np
from sklearn import preprocessing
normailized_data = preprocessing.StandardScaler().fit_transform(boston.data[:,continuous_variables])
outlier_rows,outlier_columns = np.where(np.abs(normalized_data)>3)

单变量方法不能检测哪些不是极端值的异常值，然而，如果它发现两个或多个变量的组合出现不正常的值，所涉及的不是极端值的概率会大，因此多变量检测应运而生

 

 

二、多变量异常检测（同时考虑多个变量） 

2.1 covariance.EllipticEnvelope类：

假设全部数据可以表示成基本的多元高斯分布，.EllipticEnvelope是一个试图