下载掌阅APP，畅读海量书库
立即打开
通常将“离群点”称为噪声，噪声干扰可能带来严重的后果。例如，使拟合度最佳的标准产生失误，或使真正有效的数学模型比“假”模型拟合度还差些。采用预报结果检验的方法可能会甄别此事。统计数学上，样本筛选处理的目的主要是删去这些离群的样本点，从而改善分类效果。定义和判断“离群点”的方法有以下几种。
①若样本特征呈近线性关系，可用稳健回归方法确定“离群点”。
②若样本特征不呈近线性关系，通常将近邻多半为异类的样本删除，或将目标值与各近邻平均值相差特别大的样本删除，也可以将特征压缩后做回归分析。
上述方法由于认定和删除离群点基于若干假设，事先无法确定这些假设是否合乎实际，因此对删除后的数据必须谨慎对待。在实践中若能对离群点是否为“真”离群点进行反复验证，才能增加结果的可靠性。经过初步评估，对“可分性”不满意时，可试行“样本筛选”操作，改善可分性。