异常值得判断与处理

    数据样本中的异常值（Outlier）通常是指一个类别型变量（Category）里某个类别值得次数太少、太稀有，比如出现的效率只有0.1%或更少，或者指一个区间型变量（Lnterval）里某些值取值太大。

    在数据挖掘实践中，对于“异常值”的处理是辩证的，在多数情况下，异常值的删除可以有效降低数据的波动，使得处理后的建模数据更加稳定，从而提高模型的稳定性。但是，在某些业务场景下，异常值的应用却是另一个专门的业务方向。比如在信用体系中的恶意欺诈事件，从数据分析的角度来是对异常值的分析挖掘应用。

    对于异常值的处理相对来说比较简单，主要的措施就是直接删除。