太全了！14 种数据异常检测方法总结！

作者丨Ai，来源丨宅码编辑丨极市平台本文收集整理了公开网络上一些常见的异常检测方法（附资料来源和代码）。不足之处，还望批评指正。一、基于分布的方法1. 3sigma基于正态分布，3sigma准则认为超过3sigma的数据为异常点。图1: 3sigmadef three_sigma(s):    mu, std = np.mean(s), np.std(s)    lower, upper = mu-3*std, mu+3*std    return lower, upper2. Z-scoreZ-score为标准分数，测量数据点和平均值的距离，若A与平均值相差2个标准差，Z-score为2。当把Z-score=3作为阈值去剔除异常点时，便相当于3sigma。def z_score(s):  z_score = (s - np.mean(s)) / np.std(s)  return z_score3. boxplot箱线图时基于四分位距（IQR）找异常点的。图2: boxplotdef boxplot(s):    q1, q3 = s.quantile(.25), s.quantile(.75)    iqr = q3 - q1    lower, upper = q1 - 1.5*iqr, q3 + 1.5*iqr    return lower, upper4. Grubbs ………………………………