tinyxml指南下的箱型图分析[中文版]

（2） 缺失值的影响 1） 数据挖掘建模将丢失大量的有用信息。 2） 数据挖掘模型所表现出的不确定性更加显著，模型中蕴涵的规律更难把握。 3） 包含空值的数据会使建模过程陷入混乱，导致不可靠的输出。 （3） 缺失值的分析 使用简单的统计分析，可以得到含有缺失值的属性的个数，以及每个属性的未缺失数、 缺失数与缺失率等。 缺失值的处理，从总体上来说分为删除存在缺失值的记录、对可能值进行插补和不处理 三种情况，将在下一章详细介绍。 6.1.2 异常值分析 异常值分析是检验数据是否有录入错误以及含有不合常理的数据。忽视异常值的存在是 十分危险的，不加剔除地把异常值包括进数据的计算分析过程中，对结果会带来不良影响； 重视异常值的出现，分析其产生的原因，常常成为发现问题进而改进决策的契机。 异常值是指样本中的个别值，其数值明显偏离其余的观测值。异常值也称为离群点，异 常值的分析也称为离群点分析。 （1） 简单统计量分析 可以先对变量做一个描述性统计，进而查看哪些数据是不合理的。最常用的统计量是最 大值和最小值，用来判断这个变量的取值是否超出了合理的范围。如客户年龄的最大值为 199 岁，则该变量的取值存在异常。 （2） 3 原则 如果数据服从正态分布，在3 原则下，异常值被定义为一组测定值中与平均值的偏差 超过三倍标准差的值。在正态分布的假设下，距离平均值3 之外的值出现的概率为 (| | 3 ) 0.003P x     ，属于极个别的小概率事件。 如果数据不服从正态分布，也可以用远离平均值的多少倍标准差来描述。 （3） 箱型图分析