Hantera avvikande värden

Prediktiv analys på mellannivå i Python

Nele Verbiest

Senior Data Scientist @PythonPredictions

Avvikande värdens påverkan på prediktiva modeller

Prediktiv analys på mellannivå i Python

Orsaker till avvikande värden

  • Mänskliga fel
  • Mätfel
  • Genuint extrema värden
  • ...
Prediktiv analys på mellannivå i Python

Konceptet winsorisering

Prediktiv analys på mellannivå i Python

Winsorisering i Python

from scipy.stats.mstats import winsorize
basetable["variable_winsorized"] = 
     winsorize(
       basetable["variable"], 
       limits = [0.05,0.01])
Prediktiv analys på mellannivå i Python

Konceptet standardavvikelsemetoden

Prediktiv analys på mellannivå i Python

Standardavvikelsemetoden i Python

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"]]
                                )
Prediktiv analys på mellannivå i Python

Nu kör vi en övning!

Prediktiv analys på mellannivå i Python

Preparing Video For Download...