关于纵向数据异常值检测方法的实证比较
统计方法学
2025-07-30 v1 机器学习
应用统计
摘要
本文探讨了纵向数据中异常值检测的问题。通过将应用于官方统计学中的经典方法与数据挖掘和机器学习领域基于观察值之间距离或二元划分树的方法进行比较，实现了该目标。将这些方法应用于与不同类型统计单元相关的面板调查数据。传统方法比较简单，可直接识别潜在异常值，但需要特定假设。相比之下，近期方法仅提供一个分数，其大小直接与异常值存在的可能性相关。所有方法都需要用户设置一定数量的调谐参数。然而，最新方法更加灵活，有时也比传统方法更有效。此外，这些方法可以应用于多维数据。
引用
@article{arxiv.2507.21203,
title = {An empirical comparison of some outlier detection methods with longitudinal data},
author = {Marcello D'Orazio},
journal= {arXiv preprint arXiv:2507.21203},
year = {2025}
}