数据中的极其值，应该直接删除吗？

不少人说是我：我的数据中都会有精神状态个数，是不是无论如何封禁？要说这个情况，我们必须从精神状态个数的内涵来谈起。显然有的人觉得精神状态个数很好理解，不就是“精神状态”的个数吗？这两项是，怎样才算精神状态呢？由此可知：在10个数据中都会（下图金色点）人为转入红、绿、紫红色的3个点，它们都是精神状态个数吗？精神状态个数其实是一个较为具体来说的内涵，它至少包含了三种情形：(1) 离群个数（outliner）离群个数是所指从因变量y的角度来看同属精神状态的个数，如图中都会的粉红色点和浅绿色点，背离y的均个数较其它点非常少。离群个数通常使用学生立体化残差来无论如何。(2) 高杠杆个数（high leverage）高杠杆个数是所指从自变量x的角度来看同属精神状态的个数，如图中都会的紫红色点和浅绿色点，在x轴上背离x的均个数较少。高杠杆个数通常使用杠杆个数来无论如何。(3) 强于严重影响个数（influential observation）强于严重影响个数是所指对仿真严重影响非常大的个数，并不一定，如果封禁了该个数，都会避免仿真起因很大起因变立体化（如系数个数忽略非常大）。强于严重影响点通常使用COOK'D个数、DFBETAS和DFFITS来无论如何。下图比较了有所不同精神状态个数对仿真粗略效果的严重影响。图中都会金色实该线表示下同这3个精神状态个数的粗略该线，浅绿色、粉红色、紫红色虚该线分别表示含浅绿色点、粉红色点、紫红色点时的粗略该线。不难看出，含有浅绿色点时，对仿真粗略严重影响却是较大（与金色实该线却是重合）；含有紫红色点时，粗略该线被向下莫低，即重回系数少低于金色实该线；含有粉红色点时，粗略该线也被莫低。如果要无论如何的话，浅绿色点虽然从x方向和y方向上都背离均个数，但却不是强于严重影响点；紫红色点和粉红色点才是强于严重影响点，因为单独的任一点便可以避免系数起因很大起因变立体化。我们现在仍然明白了如何无论如何的点是不是精神状态点，紧接着的情况就是，如果我见到了精神状态点，无论如何怎么处理？不少人习惯简单激怒的方法，即直接封禁。这未必是毫无疑问的办法，有时甚至都会让你错过一些根本的规律。当你见到精神状态个数后，一定要先分清是什么情况避免的精神状态个数，然后再慎重考虑如何处理。如果是同属录入严重错误或研究室记录下来严重错误等，这很不易，立刻修正即可。如果不是录入严重错误，而是无论如何假定这样的精神状态个数，这时必需根据有所不同情形来分别对待。首先，如果这一精神状态个数未必代表一种规律的，而是极其偶然的成因，或者说你未必想研究者这种偶然的成因，这时可以将其封禁。由此可知如，你要研究者身高与血压的人关系，但你的研究者人群中都会恰好不同属了杜兰特，这种上述情况下，可以将其封禁，只用其他人进行时分析。因为这未必代表一种规律的成因，而且你显然也想研究者特殊的上述情况。其次，如果精神状态个数假定且代表了一种真实假定的成因，那就不能平常封禁。比如调查了100个村的胃癌生育率，显然无论如何有个别村庄的生育率少少高于其它村，这时就不能平常封禁，而是要把这些精神状态点不同属，重新粗略仿真，研究者其规律。由此可知：某研究室检测了细菌培养菌类使用量与小时的人关系，试进行时分析。很引人注意，下图中都会的两个红点是精神状态点，可以让该标量重回的系数起因剧烈起因变立体化。那这种上述情况下是否是必需封禁这两个个数呢？首先看一下这两个个数是否是实验误差，如果这两个个数是准确的，那它很显然代表了一种真实上述情况。并不一定，在短期内增长缓慢，但是到了一个这两项小时点后（如30），种群使用量就都会剧增。此时如果你直接封禁这两个点，就无法根本见到这种规律。所以我们可以不同属这两个点，但是不能粗略该标量重回，而是要根据其形状粗略非该标量仿真。如此处可以慎重考虑对小时time进行时所指数变换，可以见到变换后仿真非常能有效地粗略数据。