python - 在数组中查找异常值，列表

Question

我有数组形式的销售统计数据，可以根据这些数据计算标准偏差或平均值。

stats = [100, 98, 102, 100, 108, 23, 120] 

让我们说+-20％的差异是正常情况，23显然是一个特例。

找到这个不寻常值的最佳算法是什么（在任何语言、伪或任何原则中）？

Answer 1

您可以将它们转换为Z 分数并查找异常值。

>>> import numpy as np
>>> stats = [100, 98, 102, 100, 108, 23, 120]
>>> mean = np.mean(stats)
>>> std = np.std(stats)
>>> stats_z = [(s - mean)/std for s in stats]
>>> np.abs(stats_z) > 2
array([False, False, False, False, False,  True, False], dtype=bool)

Answer 2

计算平均值和标准偏差。将任何超过平均值 X 标准偏差的值视为“异常”（其中 X 可能在 2.5 到 3.0 左右）。

这个主题有很多变体。如果您需要一些在统计上确实合理的东西，您可能需要研究其中一些——它们可以消除诸如捍卫（例如）2.7 标准偏差作为分界线的任意选择之类的东西。

Answer 3

找到标准偏差，位于 3 sigma 或 +- 3 sigma 之外的值是一个离谱的值......

理论上，+-3 sigma 的置信度值超过 99%。