相关性看来很好，而且看不出在以前方法中很大的偏离。
由于其鲁棒性的非正常分布和离群，中位数是用来估计阻抗振幅。
通过对属性的加权处理能够更有效地突出重点属性的重要性，使得对于检测出的离群点能够更容易的解释。
在这里的情境下，所谓异常因素是不能映射回业务驱动的程序交付动机。
但是，这三种方法中没有一种对于异常值有较强的抵抗力。
对这些异常值进一步分析之后，我们会看到大量执行糟糕的交易。
从numberofoutliers列中单击一个链接，以查看详细的记录。
如果这个产业总体上拥有合理数量的股本，那么这些就是需要被注意的异常群体。
这种形式的残差用来说明残差间可能存在的变动，而通过残差间变动可以很容易发现异常点。
一般说来，离群点是远离其他数据点的数据，但很可能包含着极其重要的信息。
右外泄由一系列的异常值组成，或者一系列执行糟糕的交易组成。
这个可视化工具会创建在直角坐标系中显示数据的图，从而帮助我们找到异常的情况。
现在您可以使用该数据来决定每一页面和故障排除潜在瓶颈的百分比。
在结论之中，我们的数据集是非对称的，并且包含了相当程度的右偏，因为在数据集中有异常值的存在。
“出类拔萃”也是一位畅销作者MalcolmGladwell写的一本非常有见地和值得一读的新书的名字。
局部切空间排列（LTSA）算法是一种有效的流形学习方法，但该算法对孤立点的存在非常敏感。
另外，文中还提出了一种有效检验异常点的方法和步骤。
Gladwell重要的一本新书《不凡者》乍看上去似乎是在描述那些拥有非凡才华个体。
但美国人需要牢记，往往都是那些无心之举才插得柳成荫，最富戏剧性的经历总是光临那些无心之人。
偏差度高于这个阈值的所有集群被标记为离群值集群，它们的成员都是离群值。
首先，威尔金森先生和皮科特女士没有排除他们采样中的异常值。
正如您在前面所看到的那样，由于有一些异常值的存在，我们的数据集包含了一定程度的分散度。
一个替代性的方法就是使用四分位范围与中间值，它对于异常值有较强的抵抗力。
问题不在于模型未能捕捉到概率中的异常值，而在于这个行业未能对撒谎者加以约束。
特别是，非常重要的一点：管理者对外交易时银行在危机中失去的资金比平时多很多。
由于试验环境和被测目标运动特性的影响，航迹测量数据中会出现斑点型异值。
对政治平等多角度的测量和排除异常值的干扰后的结果表明，本文的结论是稳健的。
针对三维扫描获取的带噪声和离群点的点云数据，提出了隐式曲面重建算法。
此算法将小波去噪与卡尔曼滤波算法结合起来，能够更有效地剔除野值。
1·Clearly, we can see that the presence of outliers impacts these measures of location.
明显的是，我们可以看到异常值的存在影响到了位置的度量。
2·However, these parameters are less resistant to the presence of outliers.
但是，这些参数对异常值的存在有较低的抵抗力。
3·While the curve does not fit the data exactly, we can say that the data is a reasonable fit — however, we can see that a number of outliers are still present in the dataset.
当曲线不能精确地匹配数据时，我们可以说数据是有限匹配的 - 但是，我们可以看到有一系列的异常值仍然在数据集之内。
4·Identify potential skew and outliers.
识别潜在的歪斜和异常值。
5·The boxplot of the entire dataset showed there was significant right skew, a high level of dispersion and sizable quantity of outliers within our dataset.
整个数据集的箱线图显示了有很大程度的外泄，较高程度的分散度，以及数据集内大量的异常值。
1·These records are called outliers.
这些记录称为离群值。
2·First, if you only have a limited number of experts that are able to check outliers, you simply use the data records that belong to clusters with the highest deviation degree.
首先，如果检查离群值的专家有限，那么可以使用具有最高偏差度的集群的数据记录。
3·The following section provides a step-by-step example of how to find outliers with InfoSphere Warehouse and how to assign deviation degrees to individual data records.
接下来的小节将提供一个例子，以逐步演示如何用 InfoSphere Warehouse 发现离群值，以及如何为各个数据记录赋予偏差度。
4·To leverage the full potential of Cognos for displaying outliers, however, you need to employ some more advanced features.
但是，要想充分利用 Cognos 显示离群值的潜力，需要采用一些更高级的技巧。
5·The other way of dealing with outliers is to use a FIFO approach, or let the oldest times fall off the end, and let the newest times enter on the other end.
离群值的处理与其他的方法是使用一个FIFO的方法，或者让最古老的时代脱落，最后，让最新的时代另一端进入。
1·Then we can use the Score test to find the outliers in stock time series.
然后，我们可通过股票检测来发现股票时间序列的异常点。
2·Methods We introduce a robust principal component regression based on MVT and LMS to detect outliers, and compare methods using a practical example.
方法采用基于MVT和LMS方法的一种稳健主成分回归方法来诊断异常点，并结合实例进行方法的对比。
3·Besides, this article also proposes an effective method along with its detailed steps to test outliers.
另外，文中还提出了一种有效检验异常点的方法和步骤。
4·Firstly, we introduce the concept, cause and value of doing research in detecting outliers.
本文首先介绍了异常点的概念、成因及研究意义。
1·The experiment results show that LOG-ICBP has better predicting effect than ICBP when outliers exist.
实验结果表明LOG - IC BP网络在存在野值情况下的预测效果明显优于ICBP。
2·In this paper, we propose a technique for removing outliers based on the knowledge that correct trajectories are constrained to be in a subspace of their domain.
在本文中，我们提出一种技术用于去除野值的基础上在对知识，正确的轨迹约束的在他们的网域的子空间的。