我正在处理Titanic数据集，发现绘制箱线图后，存在大量离群值（晶须上方的点）。 但是，在检查了Kaggle上提供的答案之后，我注意到人们并不认为这些点是异常值。
所以，我在想。是否总是总是指向Q1-1.5 * IQR以下或高于Q3 + 1.5 * IQR离群值？ 如果不是，何时将其视为离群值，何时不将其视为离群值？
这是a link of one of the answers。
此外，除了丢弃行之外，处理异常值的最佳方法是什么？
谢谢！
答案 0 :(得分：1)
术语“异常值”并不直接表示“无效数据点”。取而代之的是，这意味着数据点只是在显示与批量分布相对较远的值。此外，您所说的“异常值”通常是主观的且是特定于问题的，因此对于“异常值”没有绝对的标准（即1.5 * IQR仅用于箱形图可视化目的）。如果我简化现实的话，大约有3种情况。
异常值明显处于该实例性质的理论/实践限制之内（例如，体温为38.0C，其他人处于35.8-36.5C范围内），这可能是发生某些变化的有力线索上（因此对建模/预测很有用）。
异常值明显超出了理论/实践极限（例如500岁以下的人），应将其视为“空”值
离群值是否在理论/实践极限的内部/外部是未知的，因此需要领域专家的知识（在这种情况下，我们与特定领域的技术专家，例如物理学家解决物理问题进行讨论）< / p>
因此，没有基于箱形图的定义来处理“异常值”的通用方法，但是您应该了解数据集的性质并决定如何正确处理它。