Как находить выбросы без удаления корректных наблюдений.
Выбросы зависят от выбранного правила и контекста. Отмеченное значение может быть корректным, поэтому покажите расчёт и сохраните исходную запись.
Адаптируйте процесс под свою задачу.
Выберите и укажите правило обнаружения до присвоения меток наблюдениям. Покажите порог или расчёт, сохраните идентификаторы строк и отдельно рассмотрите соответствующие группы. Считайте отмеченные значения кандидатами для исследования и проверяйте единицы измерения и ошибки источника до исключения.
- Что вы предоставляете
- Числовая таблица и выбранное статистическое правило.
- Что вы получите
- Отмеченные наблюдения с расчётом и оговорками о контексте.
Посмотрите входные данные и результат.
Иллюстративные входные и выходные данные · учебный пример, а не реальный запуск WebAct
Полей ввода: Пример
Values with row IDs: A=10, B=11, C=12, D=100. Use a supplied review rule: flag values above twice the median. Do not delete records.
Готовый пример
Sorted values: 10, 11, 12, 100. Median: (11 + 12) / 2 = 11.5. Threshold: 2 × 11.5 = 23. Flagged: row D, value 100, because 100 > 23. A, B and C do not exceed the threshold. This is the requested review heuristic, not evidence that D is an error.
Добавьте эти данные в промпт и скопируйте его в WebAct, чтобы попробовать задачу. Ваш результат может отличаться от примера.
Решения и устранение проблем.
Нужно ли удалять каждый отмеченный выброс перед расчётом среднего?
Нет. Необычное значение может быть подлинным и важным. Документируйте любое правило исключения и сравнивайте результаты с ним и без него.
Почему реальный ценный клиент отмечен как выброс?
Сравниваемая совокупность может объединять разные типы клиентов. Изучите контекст сегмента и выбранный порог обнаружения.
Попробуйте на собственном источнике.
Замените пример своим материалом в промпте. Сохраните нужные требования и скопируйте задачу в WebAct.
Настроить и скопировать задачу ↑