数据挖掘中的异常值处理
Outlier Handling in data mining
我在 Body Mass Index 列中有一个异常值，与其他数据相差甚远。第二个最大值是 38.1，而离群值是 294。实际上是 29.4，并且在收集数据时发生错误。我不想删除该行，因为我的数据数量有限。任何人都可以告诉一个最好的技术方法来处理这个问题吗？将值视为缺失并应用某些方法（如期望最大化插补或贝叶斯多重插补）是否是一种好方法？请帮我解决这个问题。谢谢
检测错误数据，如有必要，将其替换为您喜欢的任何数据归因技术。
当然，如果您可以保留不良数据，并设计足够强大的整体方法来处理这个问题，那就更好了。
是的，如果它确实是异常值，则可以将其删除并使用插补技术来替换它。
请务必在使用多重插补之前理解它的概念。如果您想正确使用 MI，您还必须在插补之后更改处理步骤。 （如果你正在使用，你可以看看 mice 包）
如果您不想使用多个插补数据集，基于 EM 的插补算法是一个不错的选择。 （如果您使用的是 R，您可以查看软件包 VIM 或 imputeR）
我在 Body Mass Index 列中有一个异常值，与其他数据相差甚远。第二个最大值是 38.1，而离群值是 294。实际上是 29.4，并且在收集数据时发生错误。我不想删除该行，因为我的数据数量有限。任何人都可以告诉一个最好的技术方法来处理这个问题吗？将值视为缺失并应用某些方法（如期望最大化插补或贝叶斯多重插补）是否是一种好方法？请帮我解决这个问题。谢谢
检测错误数据，如有必要，将其替换为您喜欢的任何数据归因技术。
当然，如果您可以保留不良数据，并设计足够强大的整体方法来处理这个问题，那就更好了。
是的，如果它确实是异常值，则可以将其删除并使用插补技术来替换它。
请务必在使用多重插补之前理解它的概念。如果您想正确使用 MI，您还必须在插补之后更改处理步骤。 （如果你正在使用，你可以看看 mice 包）
如果您不想使用多个插补数据集，基于 EM 的插补算法是一个不错的选择。 （如果您使用的是 R，您可以查看软件包 VIM 或 imputeR）