网加思维做网站推广/营销型网站建站

• 绝对中位差：如果一个点大于或小于3倍的绝对中位差，那它就被是视为异常点。中位值作为评估值要健壮得多，它是在升序排列的多个观察值中位于中间的观察值，要想彻底改变中位值，要替换掉远离中位值的一半观察值，因此有限样本击穿点是50%。
• 平均值：对于高斯分布的数据来说，68.27%的数据集中在一个标准差的范围内，95.45%在两个标准差的范围内，99.73%在3个标准差的范围内，因此根据这个，和平均值相差3倍标准差的点被看作异常点，但平均值和标准差太容易受异常点干扰，其有限样本击穿点是0%。

#标准差上下三倍绝对中位差之间属于正常点
import numpy as np
median = np.median(total_data)
b = 1.4826 #这个值应该是看需求加的，有点类似加大波动范围之类的
mad = b * np.median(np.abs(total_data-median))
lower_limit = median - (3*mad)
upper_limit = median + (3*mad)#平均值上下三倍标准差之间属于正常点
std = np.std(total_data)
mean = np.mean(total_data)
b = 3
lower_limit = mean-b*std
upper_limit = mean+b*std

这里不重复造轮子了，详情看下列博客链接：
https://blog.csdn.net/wangyibo0201/article/details/51705966  异常点/离群点检测算法——LOF
http://blog.sina.com.cn/s/blog_ab089a840102ylin.html 三种基本的聚类算法以及基于LOF的异常点确定