通过 EXCEL 生成散点图，可以看到有 3 个离群点存在，百度了一下是可以使用 PYOD 库的方法，但苦于没有机器学习的基础，来 V 吧问问最好是用哪个算法模板，大概的思路是怎么处理的？图如链接所示： https://imgchr.com/i/m53WCt
推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
This topic created in 2460 days ago, the information mentioned may be changed or developed.
 |
1
habin OP 还有整个文件的列数据都或多或少存在离群值，如何高效的找出来？
|
 |
2
ipwx Aug 27, 2019  2
你这数据有周期规律么？比如按天看有规律。最好给个完整的数据图片。
我做过一篇论文，有关时间序列异常检测的。你可以把场景给我描述一下，我判断是不是适用。 论文： https://dl.acm.org/citation.cfm?id=3185996 代码： https://github.com/haowen-xu/donut |
 |
3
dlsflh Aug 27, 2019 via Android
每个点的值和他周围的若干个点的值差异过大就拿出来不可以吗？
|
 |
4
DoctorCat Aug 27, 2019
kNN 也行的
|
 |
5
necomancer Aug 27, 2019
|
|
6
necomancer Aug 27, 2019 1
抱歉刚才没看图，你这种例子我觉得用移动平均可能更简单：
def moving_average(a, n=3): ....ret = np.cumsum(np.pad(a, n, 'edge'), dtype=float) ....ret[n:] = ret[n:] - ret[:-n] ....return ret[n:-n] / n am = moving_average(a, n=15) #离群点少的话 np.argwhere(np.abs(a-am)>3 * np.std(a-am)) 移动平均用的点个数、和几倍标准差比，根据具体情况调整一下。 |
|
7
habin OP @ipwx 没有周期规律，是飞机航班数据的记录，数据是一个时间段的，有一些参数是连续变量，例如经纬度，由于飞机设备记录的原因，可能会记录错误，出现离群值，例如图所示
|
 |
8
winglight2016 Aug 27, 2019
你这个是 outlier 数据点，跟时间序列无关，线性回归就好了，用 sklearn 库，基本上看文档就能搞定
|
 |
9
MinQ Aug 27, 2019 via Android
做数据分析的飘过，这跟机器学习没啥关系。假设一段时间内的点大部分服从线性规律，只有少部分离群点。那么我觉得可以直接计算这些点的一个线性拟合，然后算出每个点到这条线的距离，排除距离大于某个阈值的点就行了
|
 |
10
flyaway Aug 27, 2019
数据是线性的话，直接用线性回顾就可以了。
|
|
11
ipwx Aug 28, 2019 via Android 1
@habin 你这个场景可能适合用 卡尔曼滤波器 kalman filter。当年 NASA 科研人员为了处理航天器传感器的错误数据提出的。
|
 |
12
abakane Aug 28, 2019
数据是线性，线性回归就可以，3 倍方差之外得点基本都是异常点。
不是线性得话，考虑 knn，如果有空间分布得话，可以用空间聚类。 |
 |
13
to Aug 28, 2019 via Android
github Anomaly Detection
|
 |
14
woaikaifa120 Sep 29, 2019
楼主去中航信了吗？请问联系方式是多少呢？有事需要咨询一下
|
|
15
habin OP @woaikaifa120 不好意思，不在中航信
|
Select Language