# 异常值检测器

使用多种统计方法检测数值数据中的异常值，包括IQR、Z-score和修正Z-score

> 标准页面: https://elysiatools.com/zh/tools/outlier-detector

- **分类:** Data Analysis

- **关键词:** 异常值, 异常, 检测, 统计, 数据, 分析, z-score, iqr

## 概述

异常值检测器是一款专业的在线数据分析工具，支持通过四分位距 (IQR)、Z分数、修正Z分数等多种统计学方法，快速识别并定位数值数据集中的异常波动，帮助您提升数据清洗与分析的准确性。

## 输入项

- **数值数据** (textarea): Enter numerical data separated by delimiter... 12.5, 15.2, 13.8, 45.6, 18.9, 16.1, 14.7, 17.3, 22.1
- **数据分隔符** (select)
- **自定义分隔符** (text): 输入自定义分隔符
- **检测方法** (select)
- **敏感度阈值** (number): 检测敏感度 (1-3)
- **包含统计详情** (checkbox)
- **输出格式** (select)

## 适用场景

- 在进行数据建模前，需要识别并剔除可能影响模型准确性的极端异常数据。
- 财务审计或质量监控中，需要快速发现偏离正常范围的异常交易或测量值。
- 处理大规模传感器数据时，需要自动过滤掉因设备故障产生的错误读数。

## 工作原理

- 输入您的数值数据，并根据数据格式选择对应的分隔符。
- 选择合适的检测算法（如 IQR 或 Z-score），并根据需求调整敏感度阈值。
- 点击检测按钮，系统将自动计算并以表格或摘要形式展示识别出的异常值。

## 使用案例

- 电商平台销售数据清洗，剔除异常订单金额。
- 工业生产线传感器读数监控，识别设备异常预警。
- 学术研究数据预处理，确保实验结果不受离群点干扰。

## 常见问题

### 什么是 IQR 检测方法？

IQR（四分位距）通过计算数据的第 25 百分位数和第 75 百分位数来确定范围，超出该范围一定倍数的数值即被视为异常值。

### 敏感度阈值应该如何设置？

阈值越小，检测越敏感，会识别出更多数据点；阈值越大，检测越保守，仅识别极端的异常值。通常建议从默认的 1.5 开始尝试。

### 修正 Z 分数与普通 Z 分数有什么区别？

修正 Z 分数使用中位数和绝对偏差进行计算，相比普通 Z 分数，它对极端值本身更具鲁棒性，不易受异常值干扰。

### 支持哪些数据分隔符？

支持逗号、空格、分号、换行符，同时也支持自定义分隔符，以适配不同来源的数据格式。

### 检测结果可以导出吗？

您可以选择 JSON 或表格格式输出，方便直接复制到 Excel 或集成到您的数据处理流程中。

## 相关工具

- [数据分布分析器](https://elysiatools.com/zh/tools/distribution-analyzer): 综合数据分布分析，包含正态性检验、异常值检测和拟合优度评估
- [偏度分析器](https://elysiatools.com/zh/tools/skewness-analyzer): 分析数据偏度来衡量概率分布的不对称性并识别数据模式
- [标准差分析器](https://elysiatools.com/zh/tools/standard-deviation-analyzer): 综合标准差分析，包含变异性评估、置信区间和实用洞察
- [离群值处理器](https://elysiatools.com/zh/tools/data-outlier-processor): 高级离群值检测和处理工具，使用多种统计方法识别、删除或替换数值数据中的异常值。完美用于数据清洗、统计分析和机器学习数据准备。 功能特点： - 多种检测方法（IQR、Z-score、修正Z-score、孤立森林） - 灵活处理策略（删除、替换均值/中位数/众数、封顶） - 自动阈值优化 - 多维离群值检测 - 可视化离群值统计和报告 - 批量处理能力 - 自定义敏感度级别 - 综合影响分析 常见用途： - 数据清洗和预处理 - 统计分析准备 - 机器学习数据集清洗 - 制造业质量控制 - 金融异常检测 - 传感器数据验证
- [Newton-Raphson 迭代求根计算器](https://elysiatools.com/zh/tools/newton-raphson-root-finder): 用 Newton-Raphson 迭代 x_{k+1} = x_k − f(x_k)/f'(x_k) 求 f(x) = 0 的根：导数可给定解析表达式（留空则用中心差分数值导数），输出逐步迭代表（x_k 与 f(x_k)）、收敛判据（|f| < 容差或 |Δx| < 容差·max(1,|x|)）、迭代次数与最终 |f(root)|。经典例：x²−2 从 x₀=1 出发 4 步收敛到 √2 ≈ 1.4142135624；cos(x)−x 收敛到 Dottie 数 0.7390851332。导数为零、步长发散或超出迭代上限会明确报告。
- [数组元素计数器](https://elysiatools.com/zh/tools/array-element-counter): 统计数组中特定元素的出现次数，支持多种计数模式和统计分析
- [音频掉线检测](https://elysiatools.com/zh/tools/audio-dropout-detector): 检测音频中的短暂信号掉线和静音间隙
- [时间序列异常检测器](https://elysiatools.com/zh/tools/time-series-anomaly-detector): 上传 CSV 或 JSON 时间序列数据，基于 Z-Score 和 IQR 检测异常点，并输出带图表的报告

## 示例

- [正则替换示例](https://elysiatools.com/zh/samples/regex-replace): 用于文本转换和数据清洗的常用正则替换模式集合
- [PDF示例](https://elysiatools.com/zh/samples/pdf-samples): 2026-02-01 到 2026-02-10 工具生成的PDF示例
- [Test Pyramid Examples - 测试策略指导](https://elysiatools.com/zh/samples/test-pyramid-examples): 全面的测试金字塔实现示例，包括单元测试、集成测试、端到端测试、测试组织和平衡软件质量保证的战略测试模式
- [Markdown 示例](https://elysiatools.com/zh/samples/markdown-samples): Markdown 格式示例，从简单到复杂的文档结构

## 相关内容

- [数据质量与异常调查工作流](https://elysiatools.com/zh/hubs/data-quality-anomaly-workflows): 对表格数据做质量剖析，识别重复、缺失、参照断裂、离群和值班时序异常，并把发现整理成可辩护的质量证据。