我正在编写一个Python程序，用于查找页面上感兴趣的区域。所有感兴趣的值的页面上的位置都给了我，但是一些值（通常只有一个或两个）远离其他值，我想删除它们。数据集不是很大，少于100个数据点，但我需要多次这样做。
我在第一象限的两个轴（x和y）上有一个笛卡尔坐标系，所以只有正值。
我的数据点表示在此坐标系上绘制的框，我将其存储为元组中的两个坐标对的集合。由于所有线都是直的，因此可以通过两个坐标对绘制一个框。示例：（8,2,15,10）将绘制一个带有索引（x，y）=（8,2），（8,10），（15,10）和（15,2）的框。
我正在尝试删除此集中的异常值，但我很难找到一个好的方法。我已经考虑通过找到IQR并删除满足这些标准的所有点来删除异常值：
Q1 - 1.5 * IQR或
Q3 + 1.5 * IQR
这里的问题是我很难弄清楚因为这些值不仅仅是坐标而是区域，如果你愿意的话。然而，它们是重叠的，因此它们也不适合直方图。
首先，我想我可能会为每个盒子跨越的整个值添加一个点，在这种情况下，示例框会创建56个点。在我看来，好像这个解决方案非常糟糕。有没有人有任何替代解决方案？
答案 0 :(得分：0)
主要有两种方法：要么修正阈值，要么让机器学习为你推断它。
对于机器学习，您可以使用Isolation Forest。
如果你不想要ML那么你必须自己确定门槛。所以你可以使用一个标准。有no.linalg.norm(p1 - p2)或者如果您想要更多地控制指标，则cdist：
scipy.spatial.distance.cdist(p1, p2)