如何检测二维数组中的异常值检测？

Question

鉴于像数组：

[ 
    { final_amount: 20.0, shipping_amount: 5 }, 
    { final_amount: 30.0, shipping_amount: 5.5 }, 
    { final_amount: 25.0, shipping_amount: 105.5 }, 
    { final_amount: 325.0, shipping_amount: 125.5 } 
] 

我怎么能检测到

{ final_amount: 25.0, shipping_amount: 105.5 } 

是一个局外人？

较大的final_amount意味着较大的shipping_amount，但是我们在数据集中存在一些错误的条目。

如果我仅考虑shipping_amount（中位数和标准差），它将删除一些有效的条目，因为它没有考虑final_amount。

Answer 1

解决这类问题的正确方法是建立“正常”数据模型和一个或多个“异常”数据模型。这些中的每一个都是某个类别的p（数据|类别）。应用贝叶斯规则来计算p（类别|数据）并在这些类别中进行一些选择。选择最大的p（类别|数据）类别。这是一个相当开阔的领域，祝你好运，玩得开心。你也可能在stats.stackexchange.com上获得更多的兴趣。