箱線圖 boxplot 底下的異常值

2019/09/10 09:56 下午

機器學習共學討論版

Wei-po Tsai

觀看數：107

回答數：1

收藏數：0

ml100-3

ml100-3-d15

boxplot

老師您好：

我在根據「TARGET」進行分組的「DAYS_EMPLOYED」所畫出來的箱線圖，

底部有一條粗線，如下圖紅框處：

我使用了以下方法進行檢查：

1. 使用describe()函數：

TARGET在數值為0的分組中，「DAYS_EMPLOYED」的最小值是–17912，我查了一下資料，在1.5(四分位差)以外的數值，在箱線圖當中會被判定為「異常值」。

2. 使用hist()繪製出柱狀圖：

大致上可以看出，-7500~-17500的數值，數量稀少。

問題一：

粗線應該是代表一串「異常值」的意思，請問我的理解正確嗎？

問題二：

–17912 ÷ (–365天) = 49年，這樣的數字在我看來，不算非常不合理，所以想請問此數據在往後機器學習的訓練當中，是不是應該予以保留，還是建議刪除？謝謝！

=========================================

以上的程式碼連結：原始程式碼連結

=========================================