Eliminarea valorilor aberante

Ingineria caracteristicilor pentru Machine Learning în Python

Robert O'Callaghan

Director of Data Science, Ordergroove

Ce sunt valorile aberante?

Imaginea distribuției

Detectare bazată pe cuantile

Cuantile în Python

q_cutoff = df['col_name'].quantile(0.95)

mask = df['col_name'] < q_cutoff

trimmed_df = df[mask]

Detectare bazată pe abaterea standard

Detectare prin abatere standard în Python

mean = df['col_name'].mean()
std = df['col_name'].std()

cut_off = std * 3

lower, upper = mean - cut_off, mean + cut_off

new_df = df[(df['col_name'] < upper) & 
                 (df['col_name'] > lower)]

Să exersăm!

Ingineria caracteristicilor pentru Machine Learning în Python