《数据挖掘与财务决策》课件 第7章 离群点检测.pptxVIP

第7章离群点检测《数据挖掘与财务决策》

目录7.1离群点概述7.2离群点检测方法7.3财务决策——离群点检测建模

7.1离群点检测7.1.1离群点基本概念7.1.2离群点成因7.1.3离群点类型7.1.4离群点检测面临的挑战

离群点（Outlier）是指数据集中明显偏离大多数数据分布模式的观测值，其数值或行为与其余数据存在显著差异。在统计学和数据挖掘中，离群点常被称为异常值、异常点或噪声数据。离群点检测在金融、医疗、网络安全等领域都发挥着不可或缺的重要作用。以信用卡交易数据为例，当某笔交易在金额、交易地点、消费习惯等维度与持卡人过往历史交易数据存在显著偏差时，即可能被判定为离群点。在临床诊断中，医生可以通过分析患者的生理指标数据，如血压、血糖、心率等，利用离群点检测技术来发现那些异常的数据点，从而辅助疾病的诊断。7.1.1离群点基本概念

离群点的成因主要分为以下三类：7.1.2离群点成因成因类型描述示例数据质量问题由数据采集、记录或传输过程中的错误导致-传感器故障导致温度记录为-100℃

-人工录入时多输入一个零（如1000误为10000）真实事件反映数据本身反映了现实中的小概率事件或特殊现象-地震前的异常地质活动信号

-双十一电商平台的瞬时流量峰值恶意行为或攻击人为故意制造异常数据以干扰系统运行或隐藏信息-网络攻击中的DDoS流量

-金融洗钱交易中的分散