我在处理泰坦尼克号数据集时发现，绘制箱形图后出现了大量的异常值（胡须之外的点）。然而，在查看了Kaggle上提供的答案后，我注意到人们并没有将这些点视为异常值。
因此，我想知道。是不是所有低于Q1 – 1.5*IQR或高于Q3 + 1.5*IQR的点都一定是异常值？如果不是，什么时候应该将它们视为异常值，什么时候不应该呢？
这是一个答案的链接。
此外，除了删除这些行之外，处理异常值的最佳方法是什么？
提前感谢！
回答：
“异常值”一词并不直接意味着“无效数据点”。相反，它表示数据点的值与大部分数据分布的距离相对较远。此外，您所称的“异常值”通常是主观的，因问题而异，因此没有绝对的“异常值”标准（即1.5*IQR仅用于箱形图可视化目的）。如果我过度简化现实，大致有三种情况。
-
异常值明显在该实例性质的理论/实践极限内（例如，体温为38.0摄氏度，而其他人的体温在35.8-36.5摄氏度范围内），它可以作为某种不同情况的强烈线索（因此对建模/预测有用）。
-
异常值明显超出理论/实践极限（例如，人类年龄为500岁），应视为“空”值
-
无法确定异常值是否在理论/实践极限内，因此需要领域专家的知识（在这种情况下，我们需要与特定领域的技术专家讨论，如物理学问题需要物理学家）
因此，根据箱形图的定义处理“异常值”并没有通用的方法，而是应该了解数据集的性质，并决定如何适当处理它。
