备战数学建模42-缺失值和异常值的处理方法(攻坚战6)

在数据建模中，对给出的数据进行预测处理是很重要的，当然一般考虑有归一化或者规范化等方法对数据进行预处理，这都是在数据完整和没有异常的情况下，需要考虑的。当数据量非常大的时候，往往容易出现数据缺失或者异常的现象，如果数据有确实或者有异常值，我们需要对对缺失值和异常值进行处理。

目录

一、数据预处理

1.1、处理缺失值

1.2、处理异常值

1.3、Matlab处理缺失值和异常值

---

一、数据预处理

1.1、处理缺失值

对于数据确实问题，如果确实量非常大，比如缺失数据达到该项总体数据的40%，就可以考虑直接将该项数据删除，直接不考虑该项指标。

如果缺失的数据比较少，对个体精度要求不高，可以使用均值和众数的方式补全数据。如果对精度要求较高，可以使用牛顿插值法或者样条插值，当然基本上都是用样条插值。

1.2、处理异常值

对于数据中出现的异常值，一般直接删除，当作缺失值处理即可，但是怎么找到异常值呢，或者以什么标准去衡量一个值为异常值呢，对于服从正态分布的数据，一般使用3σ原则，就是不在这个范围内的，默认为异常值。 如果不服从正态分布，则可以使用画箱型图的方式，找出异常值。

1.3、Matlab处理缺失值和异常值

我们先准备数据，生成1*100的服从正态分布的均值为0，方差为1的数据，然后设置缺失值和异常值，代码如下：

clear;
clc
x = 1 : 100 ;
data = randn(1,100) ; %生成1行100列的服从均值为0，方差为1的正太分布数据
data(20:20:80) = NaN ; %设置20，40，60,80为缺失值
data(10) = -50 ;
data(40) = 45; 
data(70) = -40 ;
data(90) = 50 ;
plot(x,data) ;

我们看一下绘制的图像，明显有缺失的断点和异常凸凹的数据，如下：

点击实时编辑器下的任务下栏的清理缺失数据。

选择填充缺失数据的方式，有很多种，这里根据自己的需要选择填充数据的方式。可以看到缺失值被红点填充了，现在data种已经没有缺失数据了。

点击这个三角号，matlab对自动生成填充代码，可以直接用这个代码进行填充数据。

对于异常值，可以点击清理离群数据，对异常值进行处理。

 然后选择补全缺失值后的数据，进行异常值处理，如下：