关键信息
- 分类
- Data Analysis
- 输入类型
- textarea, select, text, number, checkbox
- 输出类型
- text
- 样本覆盖
- 4
- 支持 API
- Yes
概览
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。
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。
使用场景
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。
用户案例
1. 电商销售额异常检测
数据分析师- 背景原因
- 分析师需要从过去一个月的数千条订单记录中，找出金额异常的订单以排查系统故障。
- 解决问题
- 手动筛选数千条数据极易出错，且难以界定异常标准。
- 如何使用
- 将订单金额粘贴至输入框，选择 IQR 检测方法，设置敏感度为 1.5。
- 示例配置
-
detectionMethod: iqr, sensitivity: 1.5, outputFormat: table - 效果
- 系统自动生成异常订单列表，分析师可直接查看偏离正常销售区间的订单明细。
2. 传感器温度读数校验
硬件工程师- 背景原因
- 设备在运行过程中产生了一系列温度读数，其中包含部分因传感器抖动产生的错误高值。
- 解决问题
- 需要快速剔除这些错误读数，以计算准确的平均运行温度。
- 如何使用
- 输入温度数据，选择修正 Z 分数方法，勾选包含统计详情。
- 示例配置
-
detectionMethod: modified_zscore, includeStatistics: true, outputFormat: summary - 效果
- 获得一份包含中位数、偏差及异常点位置的详细报告，快速定位并清理了错误数据。
用 Samples 测试
markdown, qrTest Pyramid Examples - 测试策略指导
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
preferred input family markdown
PDF示例
2026-02-01 到 2026-02-10 工具生成的PDF示例
preferred input family markdown
磁力链接示例
用于 BitTorrent/P2P 文件共享测试和验证的磁力链示例
preferred input family markdown
Markdown 示例
Markdown 格式示例，从简单到复杂的文档结构
preferred input family markdown
相关专题
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。