Elysia Tools
导航
Data Analysis
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
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
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。
背景
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。
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。
detectionMethod: iqr, sensitivity: 1.5, outputFormat: table结果
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。
背景
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。
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。
detectionMethod: modified_zscore, includeStatistics: true, outputFormat: summary结果
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。
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。
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。
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。