Zpracování odlehlých hodnot

Intermediate Predictive Analytics in Python

Nele Verbiest

Senior Data Scientist @PythonPredictions

Vliv odlehlých hodnot na prediktivní modely

Intermediate Predictive Analytics in Python

Příčiny odlehlých hodnot

  • Lidské chyby
  • Chyby měření
  • Skutečně extrémní hodnoty
  • ...
Intermediate Predictive Analytics in Python

Princip winzorizace

Intermediate Predictive Analytics in Python

Winzorizace v Pythonu

from scipy.stats.mstats import winsorize
basetable["variable_winsorized"] = 
     winsorize(
       basetable["variable"], 
       limits = [0.05,0.01])
Intermediate Predictive Analytics in Python

Princip metody směrodatné odchylky

Intermediate Predictive Analytics in Python

Metoda směrodatné odchylky v Pythonu

mean_age = basetable["age"].mean()
sd_age = basetable["age"].std()
lower_limit = mean_age - 3*sd_age
upper_limit = mean_age + 3*sd_age
basetable["age_no_outliers"] = pd.Series(
                                    [min(max(a,lower_limit), upper_limit) 
                                     for a in basetable["age"]]
                                )
Intermediate Predictive Analytics in Python

Vyzkoušejte si to!

Intermediate Predictive Analytics in Python

Preparing Video For Download...