机器学习第十讲：异常值检测 → 发现身高填3米的不合理数据
资料取自《零基础学机器学习》。
查看总目录：学习大纲
关于DeepSeek本地部署指南可以看下我之前写的文章：DeepSeek R1本地与线上满血版部署：超详细手把手指南
一、幼儿园量身高游戏比喻 👦（类似材料4中的数据处理4）
假设幼儿园老师收集小朋友身高：
正常范围0.8-1.5米 出现3米数据 测量身高 检查是否合理 标记为正常 ① 检查是否笔误（如3米→0.3米） ② 对比其他特征（5cm脚掌匹配3米身高？） ③ 暂时隔离待确认
二、智能筛子工具箱 🧰
案例：某体检报告出现身高2.5米记录（类似材料6中的分类验证6）
-
三标准差法（适合正态分布数据）
平均身高1.7m 标准差0.1m 合理范围1.4m-2.0m 超过即报警
-
四分位数法（适合非对称数据，参考材料2的矩阵思维2）
python# Python示例代码 Q1 = data['height'].quantile(0.25) # 1.58米 Q3 = data['height'].quantile(0.75) # 1.75米 IQR = Q3 - Q1 # 0.17米 upper_bound = Q3 + 1.5*IQR # 超过2.0米即异常 -
图像判定法
通过散点图直观识别离群点（类似材料4中的时序图像分析4）：
三、常见雷区警示 💥（类似材料1中的评估陷阱1）
| 场景 | 错误处理 | 正确做法 |
|---|---|---|
| 运动员身高数据 | 删除所有>1.9米数据 | 按项目建立不同标准 |
| 老人体检数据 | 用年轻人标准检测老年骨质疏松指标 | 建立年龄分段模型2 |
| 设备温度监测 | 仅用当前值判断 | 结合时间序列波动检测4 |
四、医疗数据实战 🏥（类似材料5的Q-Learning决策树思维5）
正常路径 异常路径 原始数据 决策树分类 叶节点路径 保留数据 标记为可疑（如糖尿病人血糖2.0mmol/L）
五、超市价格审核案例 🛒（参考材料2的假正/假负概念2）
步骤：
- 通过历史数据建立合理价格带
（牛奶价格正常范围5-20元，出现999元视为异常） - 设置分级报警
15% 85% 异常价格分级 黄色预警（20-50元） 红色警报（>50元） - 结合销售数量交叉验证
（标价999元的商品同时卖出1000件？大概率系统错误）
六、知识要点总结 💡
- 先验知识优先：篮球运动员的身高与普通人需区分标准（类似材料5的差异化回报设置5）
- 多维度联检：身高异常时同步校验体重/BMI指数（参考材料2的多指标思维2）
- 区分对待：保留少量异常值供模型迭代学习（类似材料6中的集成学习策略6）
- 效果验证：用混淆矩阵评估清洗后数据质量（参考材料1的精确率验证法1）
目录：总目录
上篇文章：机器学习第九讲：缺失值填补 → 补全问卷漏填的题目，保证数据完整性
下篇文章：机器学习第十一讲：标准化 → 把厘米和公斤单位统一成标准值
1《零基础学机器学习》中的假正/假负验证方法
2《零基础学机器学习》的多指标评估体系
4《零基础学机器学习》的时序数据处理逻辑
5《零基础学机器学习》的差异化决策思想
6《零基础学机器学习》的集成验证策略