我正在解决一个问题，即异常值检测的自动化。为此，我需要一种算法来检测异常值。
我了解了z得分和分位数范围。但是z分数仅适用于正态分布的数据。并且不确定分位数范围是否适用于每种数据（即使它遵循高斯分布，泊松分布）。我也阅读了有关DBSCAN的文章，但不知道这种方法的可信性
任何人都可以在python中为我建议一些算法或软件包，以用于离群值检测的自动化。
我正在寻找某种算法，甚至研究论文都可以，以后可以在python中进行编码。
下面供参考的是我必须在其中查找异常值的数据示例之一。
月销售单位 1 23178.78 2 23547.41 3 17720.51 4 25837.56 5 20375.98 6 16260.64 7 22881.59 8 25202.29 9 17255.29 10 20495.58 11 21253.27 12 20145.73
答案 0 :(得分：0)
Sklearn有很多用于离群值检测的算法。例如，您有隔离林和Oneclass SVM。
这是指向某些示例的链接enter link description here
答案 1 :(得分：0)
最近，我也在研究离群值检测工具主题。 以我的经验，要进行离群值检测，可能需要先确定问题的范围。 1.您想要什么离群值？ 2.对于要素viewpint，您要测量多少个要素？ 一维很简单，2或N个特征是总不同的问题。 3.您想如何显示OD结果？ 1维或2维很容易，3维或3维以上应该是很大的挑战。 4.特征数据类型是什么，数字或分类数据？对于分类数据，您可以在一开始将其转换为虚拟因子。
关于离群值检测算法，我认为您可以根据自己的数据进行选择。 对于1维，Z评分（用于scipy）或Mad（）模式是可以的。尽管数据不是正态分布，但两种模式可能很容易解释。您可以使用更复杂的算法，并花费更多时间来解释为什么将它们计算为离群值。 Zscore方法对极端离群值敏感。在这种情况下，Mad方法更为健壮。 对于2或更多的尺寸，我最喜欢的孤立森林。在大型数据集中速度快（se）和可接受的准确性（88％〜89％）。