檢測(cè)異常值一定程度上也可以叫做離群點(diǎn)識(shí)別，常規(guī)有以下幾種識(shí)別方法：

1.統(tǒng)計(jì)檢驗(yàn)（假設(shè)檢驗(yàn)）

舉個(gè)例子：以下一組用戶(hù)用車(chē)月花費(fèi)：100，110，90，80，200，120，115，月花費(fèi)的均值在116左右，標(biāo)準(zhǔn)差在39左右，理論上用戶(hù)的分布應(yīng)該在116±2x39，所以200是離群點(diǎn)

當(dāng)數(shù)據(jù)和檢驗(yàn)類(lèi)型（t、卡方等）已知的情況下，通過(guò)統(tǒng)計(jì)方法得出的結(jié)果非?？煽?，但通常都是單個(gè)變量檢驗(yàn)，工程實(shí)踐中重復(fù)次數(shù)較多

2.距離檢驗(yàn)（基于不同業(yè)務(wù)下，選擇不同距離定義）

常規(guī)步驟：

1.kmeans尋找k個(gè)中心點(diǎn)

2.計(jì)算每個(gè)點(diǎn)到k個(gè)中心點(diǎn)的距離

3.取k個(gè)點(diǎn)中min值，不妨記為km

4.倒序排列剔除前N個(gè)，即為所求

當(dāng)數(shù)據(jù)是連續(xù)型變量時(shí)計(jì)算快速，效果優(yōu)秀，但是當(dāng)數(shù)據(jù)分布為凹分布時(shí)或者存在分類(lèi)或者名義變量時(shí)需要預(yù)處理，比較麻煩

3.密度檢驗(yàn)

常規(guī)步驟：

1.判斷每個(gè)點(diǎn)是不是核心點(diǎn)（滿(mǎn)足最少密度點(diǎn)）

2.核心點(diǎn)之間是否密度可達(dá)（算是所有相互包含的密度點(diǎn)）

3.合并密度點(diǎn)

4.repeat

5.尋找剩余點(diǎn)即為所求

換句話(huà)說(shuō)，思路就是定一個(gè)距離半徑，定最少有多少個(gè)點(diǎn)，然后把可以到達(dá)的點(diǎn)都連起來(lái)，判定為同類(lèi)。但是高維度表現(xiàn)差，密度分布不均表現(xiàn)差

4.特征檢驗(yàn)

這個(gè)只是在書(shū)上讀過(guò)，只能講一個(gè)大概，如果有人很熟悉歡迎指教。

舉個(gè)例子，每個(gè)人出行數(shù)據(jù)之間是有相關(guān)性的，比如你的出行距離越長(zhǎng)，理論上你的支出也應(yīng)該更高。存在用戶(hù)出行公里數(shù)及價(jià)格如下，A（100，350），B（150，470），C（200，605），D（80，400），在其他條件一致的情況下，D用戶(hù)的出行數(shù)據(jù)是極其不符合用戶(hù)的特征屬性的，所以可以看作離群點(diǎn)，其實(shí)這種方法也可以看作是模型檢驗(yàn)吧（做一個(gè)能夠擬合大部分?jǐn)?shù)據(jù)的模型，然后提出殘差過(guò)高的點(diǎn)）。