任務(wù)8.2.3-異常值處理_第1頁
任務(wù)8.2.3-異常值處理_第2頁
任務(wù)8.2.3-異常值處理_第3頁
任務(wù)8.2.3-異常值處理_第4頁
任務(wù)8.2.3-異常值處理_第5頁
已閱讀5頁，還剩7頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

ETL數(shù)據(jù)預(yù)處理技術(shù)主講人：張宏偉任務(wù)8-2-3異常值處理01.異常值處理概述02.目錄異常值判斷CONTENTS04.樣例解析03.異常值的處理方式所謂異常值，就是在數(shù)據(jù)集中存在不合理的值，又稱離群點。例如年齡為負數(shù)，成績大于100或小于零，商品評分超出5分或商品日銷售量遠遠超過年銷售量等，都屬于異常值的范圍。（1）散點圖分析（2）簡單統(tǒng)計分析（3）3δ原則

3δ原則是指當(dāng)數(shù)據(jù)服從正態(tài)分布時，根據(jù)正態(tài)分布的定義可知，距離平均值3δ之外的概率為P(|x-μ|>3δ)<=0.003，這是屬于極小的概率事件，因此，當(dāng)樣本距離平均值大于3δ時，則認定該樣本為異常值。（4）箱型圖分析箱型圖提供了一個識別異常值的標(biāo)準(zhǔn)，即大于或小于箱型圖設(shè)定的上下界的數(shù)值即為異常值。常用的異常值處理方法有以下4種。（1）刪除含有異常值的記錄。（2）將異常值視為缺失值，按照缺失值的處理方法來處理。（3）用平均值來修正異常值。（4）對異常值不處理?，F(xiàn)有某商場的產(chǎn)品銷售數(shù)據(jù)如右圖所示：要求：將amount列的異常值替換為該列的中位數(shù)首先讀取數(shù)據(jù)：輸出結(jié)果如下：（1）查看統(tǒng)計信息，代碼如下：輸出結(jié)果如下：如圖所示，統(tǒng)計出了每一列平均值、中位數(shù)、方差等數(shù)據(jù)（2）根據(jù)歷史數(shù)據(jù)得出結(jié)論，銷售數(shù)量在0-20之間，所以將異常數(shù)據(jù)替換為中位數(shù)，代碼如下：輸出結(jié)果如下：小結(jié)函數(shù)使用異常值的判斷刪

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論