Python 中的异常检测

在数据分析中识别异常

极端值或异常几乎存在于任何数据集中，在继续进行统计探索之前，检测并处理它们至关重要。 如果不加处理，异常值很容易干扰你的分析并扭曲机器学习模型的性能。

学习使用 Isolation Forest 和 Local Outlier Factor 等估计器

在本课程中，你将利用 Python 实现多种异常检测方法。 您将通过视觉识别极端值，并使用经过验证的统计技术，如中位数绝对偏差，来处理单变量数据集。 对于多变量数据，你将学习使用 Isolation Forest、k-Nearest-Neighbors 和 Local Outlier Factor 等估计器。 您还将学习如何将多个异常值分类器集成为一个低风险的最终估计器。 你将掌握一项必备的数据科学工具：使用 Python 进行异常检测。

扩展你的 Python 统计工具包

更好的异常检测意味着更好地理解您的数据，尤其意味着更出色的根因分析以及对系统行为的沟通。 将这项技能加入你现有的 Python 技能组合，将帮助你进行数据清洗、欺诈检测以及识别系统异常。