【发布时间】：2015-07-16 15:55:06
【问题描述】：
我可以使用标准差分析来识别具有数值的列上的异常值。但是基于离散/文本的值呢？
例如，在这种情况下，值“Blue”是异常值吗？ 表 X 中有 8 条记录，值为“Purple” 表 X 中有 5 条记录，值为“Red” 表 X 中有 3 条记录，值为“Green” 表 X 中有 2 条记录，值为“Blue” 在这种情况下，我的看法是否定的，“蓝色”不是异常值。
使用另一个例子： 表 X 中有 451 条记录，值为“Purple” 表 X 中有 345 条记录，值为“Red” 表 X 中有 233 条记录，值为“Green” 表 X 中有 2 条记录，值为“Blue” 在这种情况下，“蓝色”肯定是一个异常值。这并不是说它一定是无效的，只是人迹罕至。
如果可能的话，我希望想出的是：“蓝色”被标记，因为它的出现频率是平均值的 3 个标准差......
【问题讨论】：
-
你的 sql 引擎是什么，你的表模式是什么——请发布一些代码。
标签： sql statistics