{"url":"https://creativeolympiad.com/library/concepts/outlier-investigation-record","article":{"slug":"outlier-investigation-record","category":"concepts","keyword":"异常值处理","title":"异常值处理：先标记核查，再决定修正或保留","description":"围绕「异常值处理」，异常值是相对于当前数据与分析背景显得明显不同的观察。一个非常高的得分、极慢请求或极端测量可能是真实事件，也可能由采集错误造成。仅因为它偏离平均水平就删除，会改变分析对象。较稳妥的流程是先标记、查看原始来源、核对单位与时间","keywords":["异常值处理","异常值能直接删除吗","异常数据如何核对","离群值与错误值区别","异常值处理记录"],"aliases":["异常值能直接删除吗","异常数据如何核对","离群值与错误值区别","异常值处理记录"],"status":"published","content_date":"2026-11-15","summary":"异常值是相对于当前数据与分析背景显得明显不同的观察。一个非常高的得分、极慢请求或极端测量可能是真实事件，也可能由采集错误造成。仅因为它偏离平均水平就删除，会改变分析对象。较稳妥的流程是先标记、查看原始来源、核对单位与时间，再记录判断依据。算法给出的标记应当触发调查，而不是替人自动宣布这条记录没有价值。","sections":[{"heading":"异常不等于错误","paragraphs":["关于「异常值处理」，下文从「异常不等于错误」与「从单位和录入开始检查」展开说明，并结合后续章节梳理相关概念。","异常值是相对于当前数据与分析背景显得明显不同的观察。一个非常高的得分、极慢请求或极端测量可能是真实事件，也可能由采集错误造成。仅因为它偏离平均水平就删除，会改变分析对象。较稳妥的流程是先标记、查看原始来源、核对单位与时间，再记录判断依据。算法给出的标记应当触发调查，而不是替人自动宣布这条记录没有价值。"]},{"heading":"从单位和录入开始检查","paragraphs":["假设耗时通常在100毫秒附近，其中一条为120000。先核对原始接口到底返回毫秒、微秒还是字符串，以及换算是否被重复执行。再检查是否把日期、累计总量或另一项指标写入了耗时列。体育比分异常也可能来自赛制差异或主客字段错位，需要回到该场记录。把每一次转换写清楚，能防止所谓修复只是用另一个未经证实的值覆盖原始事实。"]},{"heading":"明确区分三种处理动作","paragraphs":["已确认录入错误且有可靠原值时，可以修正并保留更改记录；确认不属于本次研究范围时，可以按预先说明的规则排除；真实性尚不明确时，可以保留并做敏感性比较。三者需要不同理由。不能因为删除后图形更平滑就判定处理正确。若使用截尾、缩尾或稳健统计，也应公开方法和阈值，不让读者把经过转换的数据误认为原始观察。"]},{"heading":"比较包含与不包含时的结论","paragraphs":["若一条记录对结果影响很大，可并列展示包含和排除该条时的主要指标，并解释排除依据是否成立。若结论完全反转，恰好说明结果需要更谨慎，而不是只选择喜欢的版本。分析阈值依赖数据分布与用途，没有一个固定规则适合所有领域。在很偏斜的分布中，远离多数观察的值可能并不少见，机械套用针对另一分布设计的规则会产生误判。"]},{"heading":"为后续复核保存一张处理表","paragraphs":["处理表至少包含记录ID、原值、来源、标记原因、核查证据、处理方式和新值。不要删掉原始导出文件后只留下“清洗后”的表。多个平台数据互补时，记录采用哪个来源及为什么，避免把冲突简单当成异常剔除。异常调查的目标是提高可信度，而不是让数字整齐；遇到真实极端事件，保留它及其背景往往比移除更能说明系统发生了什么。"]}],"sources":[{"name":"统计方法参考资料"}],"related":["arithmetic-mean-example","median-sorted-data","weighted-mean-denominators"]},"published_at":"2026-11-16T11:09:05+08:00","modified_at":"2026-11-16T11:09:05+08:00","content_hash":"db62faf87232b83c7bd42a971e7f9534449520abe8ba198f7d28255053925b69"}