外れ値

外れ値は、データセットの中で他のデータから大きく離れた値のことです。測定ミスや異常事態などによって発生します。分析結果に大きな影響を与える可能性があるため、取り扱いには注意が必要です。

モデルの学習を行う前に、外れ値を除去したり、平均値などで補完したりする前処理が行われます。外れ値をそのまま学習させると、モデルの汎化性能が低下したり、学習が不安定になったりするリスクがあります。

G検定では、データクレンジングの重要性として問われます。異常検知においては、あえて外れ値を探すことが目的となる場合もあるため、文脈による扱いの違いを把握することが大切です。