我正在研究泰坦尼克号数据集，并发现在绘制箱线图后，存在大量异常值（超出胡须的点）。 不过，在检查了 Kaggle 上提供的答案后，我注意到人们并没有将这些点视为异常值。
所以，我想知道。是否总是低于 Q1 - 1.5*IQR 或高于 Q3 + 1.5*IQR 异常值？ 如果不是，何时将它们视为异常值，何时不考虑？
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？
提前致谢！
【问题讨论】：
标签： python pandas machine-learning statistics outliers
“异常值”一词并不直接表示“无效数据点”。相反，这意味着数据点只是显示一个与批量分布相对较远的值。此外，您所说的“异常值”通常是主观的和特定问题的，因此“异常值”没有绝对标准（即 1.5*IQR 仅用于箱线图可视化目的）。如果我把现实过于简单化，大概有 3 种情况。
异常值显然完全在该实例性质的理论/实际限制范围内（例如体温为 38.0C，而其他值在 35.8-36.5C 范围内），这可能是不同情况发生的有力线索on（因此对建模/预测很有用）。
异常值显然远远超出了理论/实际限制（例如人类 500 岁），应将其视为“空”值
异常值是否在理论/实践限制之内/之外是未知的，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讨论，例如物理问题的物理学家）
因此，根据箱线图的定义，没有通用的方法来处理“异常值”，而是您应该了解数据集的性质并决定如何正确处理。
【讨论】：