这是一个创建于 2271 天前的主题，其中的信息可能已经有所发展或是发生改变。
要做一个需求，就是我们作为一个平台方提供给第三方或者个人销售商品，但是要对某种商品价格有一个合理价格区间的处理。
（ 1 ）数据是离散型的，要找到合理范围，因为平均数有时候说明不了问题。 （ 2 ）在现有数据基础上处理，要把那些报价太低骗人的和报价太高扯淡的商品屏蔽掉。 （ 3 ）在合理区间在得到出几个区间（正态分布型的）
有没有做过数据清洗相关方面提供一些思路和做法。
 | 1 Rheinmetal 2019-07-24 10:32:35 +08:00 在合理区间在得到出几个区间 这是什么意思？ 不用平均数可以用分位数嘛 直接切掉前 10% 和后 10% 这样就行了 分成这几种区间如何 10%-30% 30-50 50-70 70-90 |
 | 2 silverbooker 2019-07-24 10:42:14 +08:00  1 用四分位数可以处理这个问题。至于具体的概念你可以搜一下。 简单的说中位数就是这组离散数据的 50%分位数。 同理，你可以取得 25%分位数（就是你把这组数据从小到大排序后第 25%的数字），又称下四分位数，命名位 Q1。 取得 75%分位数，又称上四分位数，命名位 Q3。 然后你就可以依据这些计算上下边界，超过上下边界的就是异常值，你就可以把它们过滤掉。 上界 = Q3+(Q3-Q1)*K 下界 = Q1-(Q3-Q1)*K 其中 K=1.5 ,这是一个经验值，一般不做改动。 |
 | 3 akira 2019-07-24 12:32:46 +08:00 没做过数据清洗，但是感觉用正态分布的置信区间应该能解决你的问题 |
 | 4 zppass OP @Rheinmetal @silverbooker，大佬说的是，刚开始我想用正态分布来搞，结果发现异常值影响很大。用了分箱法，也就是分位进行数据预处理确实清除了很多异常值后，最起码看分布图舒服多了。 其实目的就是对某类商品有个大概的合理的价格区间，在价格区间内部在分个三六九等的样子。 |
| 5 zppass OP @Rheinmetal @akira @silverbooker 谢谢各位老哥建议，汇报一下进展吧， 分箱是可以去除一些异常值，但是呢过于低的值过滤不掉（采用的是等频分箱，发现自动分箱有时候会把一个区间的值分成很多或者没分，可能我设置的不好吧。）。 处理后的数据进行聚类，然后处理了一下，发现能得到合理的区间（产品觉得合理就合理喽）。 在感谢的同时，也希望帖子别沉，大家都来提一下思路，能让更多的人参与进来互相启发。 |
Select Language