概念卡：异常值 Outlier

综合实践 · 01_专业概念地图/概念卡_异常值.md

概念卡：异常值 Outlier

一句话定义

异常值是明显偏离大多数数据模式的观测值。

它解决什么问题

识别异常值能帮助发现数据错误、特殊事件或极端风险。

典型使用场景

• 数据录入错误。
• 极端损失或极端负载。
• 传感器故障或罕见事件。

需要知道的关键词

• Outlier Detection
• Extreme Value
• Robust Statistics
• Data Error
• Influence

和导师方向的关系

异常值和极端事件必须区分：极值方向中，很多“异常”可能正是研究对象。

交流时可以怎么说

我会先判断异常值是数据错误，还是代表真实极端事件，不能一上来就删除。

如果异常值对模型影响很大，可以考虑稳健方法或单独建模尾部。

可以追问的问题

• 异常值是否来自测量错误？
• 删除异常值会不会删除研究对象？
• 是否需要使用稳健统计或极值模型？

给 AI 的提示词

请帮我判断异常值应该如何处理。要求区分数据错误、真实极端事件和高影响点，并说明对统计建模的影响。

我的理解边界

• 已理解：异常值不一定应该删除。
• 还不确定：稳健统计方法。
• 下次需要补：高影响点。