對統計數據分析，異常數據檢測以及排除時，主要有兩種方法：物理判別法和統計判別法

• 物理判別法：人們對客觀事物已有的認識，判別由于外界干擾、人為誤差等原因造成實測數據值偏離正常結果，在實驗過程中隨時判斷，隨時剔除。
• 統計判別法：給定一個置信概率，并確定一個置信限，凡超過此限的誤差，就認為它不屬于隨機誤差范圍，將其視為異常值剔除。當物理識別不易判斷時，一般采用統計識別法。

?

數據預測檢測和處理系列文章

• 拉依達準則( PauTa Criterion 或 3σ準則) 處理異常數據
• 肖維勒準則（Chauvenet Criterion）處理異常數據
• 狄克遜準則（Dixon Criterion）處理異常數據
• 格拉布斯準則（Grubbs Criterion）處理數據異常
• 皮爾士準則（Peirce Criterion）處理異常數據
• 卡方檢驗（chi-squared test）處理異常數據
• T檢驗或T測試(T-test)
• Scikit-learn實現隔離森林（Isolation Forest）算法進行異常值檢測
• Scikit-learn實現局部異常因子（LOF）的無監督異常值檢測
• 異常檢測方法
• 隔離森林（Isolation Forest）算法

以上文章都可以在本人的Big Data Analysis文章類別里找到，是本人精心匯總的知識，感謝大家閱讀，有錯誤歡迎指出。

后續會增加該系列文章。

總結

以上是生活随笔為你收集整理的几种常用的数据校验（异常检测）总结（3σ、肖维勒准则、狄克逊准则、格拉布斯准则、皮尔士准则、卡方检验、T检验等等）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。