异常值检测

粘贴一列数据,用 IQR 四分位距(箱线图法)、Z 分数或更稳健的 MAD 修正 Z 分数找出离群值,可以调整阈值;箱线图和散点图会把异常点标红,并列出每个异常值的位置和偏离程度,一键得到去除异常值后的数据。数据只在浏览器本地计算。

三种方法怎么选

  • IQR 四分位距:IQR = Q3 − Q1,小于 Q1 − 1.5 × IQR 或大于 Q3 + 1.5 × IQR 的值是异常值,即箱线图上“须”以外的点;系数取 3 时只标出极端异常值。不依赖正态分布,最常用。
  • Z 分数:Z = (x − 均值) ÷ 标准差,|Z| 大于 3(或 2.5、2)视为异常。适合接近正态分布、样本较大的数据;但均值和标准差本身会被异常值拉偏,异常值多时容易漏检。
  • 修正 Z 分数(MAD):用中位数和绝对中位差代替均值和标准差,M = 0.6745 × (x − 中位数) ÷ MAD,|M| 大于 3.5 视为异常(Iglewicz 与 Hoaglin 的建议)。对异常值不敏感,小样本、偏态数据更可靠。

异常值不一定是错误数据:可能是录入错误、设备故障,也可能是真实存在的极端情况(如“双十一”的销量)。删除之前先弄清楚原因。

查看整体分布可以用 直方图生成器。

异常值检测常见问题

异常值检测怎么使用?

粘贴数据(保持原始顺序),选择检测方法和阈值,右侧显示异常值个数和正常范围,下方表格列出每个异常值的位置、方向和偏离程度,图中红色虚线为正常范围边界、红点为异常值;可复制去除异常值后的数据或异常值本身。

IQR 法怎么判断异常值?

IQR = Q3 − Q1,小于 Q1 − 1.5×IQR 或大于 Q3 + 1.5×IQR 的值是异常值,也就是箱线图须以外的点。

Z 分数多少算异常?

一般 |Z| > 3 视为异常,较严格时用 2.5 或 2;样本不超过 10 个时 |Z| 不可能超过 3。

MAD 修正 Z 分数有什么好处?

用中位数和绝对中位差计算,不会被异常值本身拉偏,小样本和偏态数据更可靠,常用阈值 3.5。

异常值应该直接删除吗?

不一定,先确认是录入错误还是真实的极端情况,真实数据不宜随意删除。

异常值检测的结果应怎样理解?

至少 4 个数值;四分位数用线性插值法计算,与 Excel 的 QUARTILE.INC 一致;超过一半数据相同时 MAD 为 0,无法使用修正 Z 分数。

输入内容会保存或发给外部服务吗?

数据只在浏览器本地计算,不会上传。

没有结果或操作失败时先检查什么?

用 Z 分数检测不出明显的异常值,通常是样本太少或异常值把标准差拉大了,改用 IQR 或 MAD。

相关工具

柱状图生成器 · 相关性分析 · CSV 查看器 · 数据清洗工具 · 全部数据工具