1 生成一个 df 1importpandas as pd#导入pandas库2#生成异常数据3df = pd.DataFrame({'col1': [1, 120, 3, 5, 2, 12, 13],4'col2': [12, 17, 31, 53, 22, 32, 43]}) 2 通过Z-Score方法判断异常值 1df_zscore = df.copy()#复制一个用来存储Z-score得分的数据框2cols = df.columns...
百度试题 结果1 题目当数据中存在异常值时,以下哪个方法可以用于处理? A. 缺失值填充 B. 数据标准化 C. Z-score方法 D. 异常值删除 相关知识点: 试题来源: 解析 D 反馈 收藏
1 生成一个 df 1importpandas as pd#导入pandas库2#生成异常数据3df = pd.DataFrame({'col1': [1, 120, 3, 5, 2, 12, 13],4'col2': [12, 17, 31, 53, 22, 32, 43]}) 2 通过Z-Score方法判断异常值 1df_zscore = df.copy()#复制一个用来存储Z-score得分的数据框2cols = df.columns...
数据预处理通过Z-Score⽅法判断异常值 判断异常值⽅法：Z-Score 计算公式 Z = (X-µ)/σ其中µ为总体平均值，X-µ为离均差，σ表⽰标准差。z的绝对值表⽰在标准差范围内的原始分数与总体均值之间的距离。当原始分数低于平均值时，z为负，以上为正。代码演⽰ 1 ⽣成⼀个 df 1import ...
数据预处理通过Z-Score⽅法判断异常值 判断异常值⽅法：Z-Score 计算公式 Z = (X-µ)/σ其中µ为总体平均值，X-µ为离均差，σ表⽰标准差。z的绝对值表⽰在标准差范围内的原始分数与总体均值之间的距离。当原始分数低于平均值时，z为负，以上为正。代码演⽰ 1 ⽣成⼀个 df 1import ...