1. 数据挖掘异常值的定义
1）根据挖掘的数据库类型分类：数据挖掘系统可以根据挖掘的数据库类型分类。数据库系统本身可以根据不同的标准（如数据模型、数据类型或所涉及的应用）分类，每一类可能需要自己的数据挖掘技术。这样，数据挖掘系统就可以相应分类。
例如，根据数据模型分类，可以有关系的、事务的、对象-关系的或数据仓库的挖掘系统。如果根据所处理数据的特定类型分类，可以有空间的、时间序列的、文本的、流数据的、多媒体的数据挖掘系统，或万维网挖掘系统。
2）根据挖掘的知识类型分类：数据挖掘系统可以根据所挖掘的知识类型分类，即根据数据挖掘的功能分类，如特征化、区分、关联和相关分析、分类、预测、聚类、离群点分析和演变分析。一个综合的数据挖掘系统通常提供多种和/或集成的数据挖掘功能。
此外，数据挖掘系统还可以根据所挖掘的知识的粒度或抽象层进行区分，包括广义知识（高抽象层）、原始层知识（原始数据层）或多层知识（考虑若干抽象层）。一个高级数据挖掘系统应当支持多抽象层的知识发现。数据挖掘系统还可以分类为挖掘数据的规则性（通常出现的模式）与挖掘数据的奇异性（如异常或离群点）。一般地，概念描述、关联和相关分析、分类、预测和聚类挖掘数据的规则性，将离群点作为噪声排除。这些方法也能帮助检测离群点。
3）根据所用的技术类型分类：数据挖掘系统也可以根据所用的数据挖掘技术分类。这些技术可以根据用户交互程度（例如自动系统、交互探查系统、查询驱动系统），或所用的数据分析方法（例如面向数据库或面向数据仓库的技术、机器学习、统计学、可视化、模式识别、神经网络等）描述。复杂的数据挖掘系统通常采用多种数据挖掘技术，或采用有效的、集成的技术，结合一些方法的优点。
4）根据应用分类：数据挖掘系统也可以根据其应用分类。例如，可能有些数据挖掘系统特别适合金融、电信、DNA、股票市场、e-mail等。不同的应用通常需要集成对于该应用特别有效的方法。因此，泛化的全能的数据挖掘系统可能并不适合特定领域的挖掘任务
2. 数据处理 异常值
步骤1：打开EXCEL，按表2格式输入数据并建立工作表，其中数据个数为13。
步骤2：通过EXCEL提供的MAX函数、MIN函数、MEDIAN函数、STDEV函数，求出数据的最大值、最小值、中位数、标准差。具体求法如下：
取单元格C2，键入公式：=MAX(A2:A14)，确认即求得最大值为0.691。
maxx2、取单元格C3，键入公式：=MIN(A2:A14)，确认即求得最小值为0.527。
minx3、取单元格C4，键入公式：=MEDIAN (A2:A14)，确认即求得中位数为0.556； eM4、取单元格C5，键入公式：=STDEV (A2:A13)，确认即求得标准差为0.048。
3. 数据的异常值判断
定量型数据：区别于属性型数据（即定性型数据），其数据中数字的含义有大小之分，包括有序数据和比例数据等。
定性型数据：区别于定量数据，其数据的0,1,2可能代表红绿蓝，0,1代表男女，虽然由数字指代类型，但数字直接比大小没有意义。有序型：即定量数据中的有序数据，这些数据比如排名，优良中差等。这些数据虽然可以比较大小，但其差值是无意义的。比如排名数据中量化时标注了1,2,3为名次，但第一名和第二名的差别与第二名和第三名的差别未必相等。原始数据：直接采集的数据（采集包括人工标注和仪器标注），未经过某种预处理（如统一剪去均值，或者统一归一化，或者去除一些错误异常值，等等）的数据。二手数据：这个概念在不同领域做不同解释，相比于原始数据，指经过某些处理的数据（处理方式同上），也可以指代经过人为修改或拟合后的数据。直观测量法：是指对所发生的事或人的行为的直接观察和记录。在观察过程中，调查人员所处的地位是被动的，也就是说调查人员对所观察的事件或行为不加以控制或干涉。
4. 数据挖掘异常值的定义是
数据清洗目的主要有：
①解决数据质量问题；
②让数据更适合做挖掘；
数据清洗是对数据审查过程中发现的明显错误值、缺失值、异常值、可疑数据，选用一定方法进行“清洗”，为后续的数据分析做准备。
数据清洗的方法有：
①数据数值化
对存在各种不同格式的数据形式的原始数据，对其进行标准化操作。对字符串取值，按照ANSI码值求和得到字符串的值，如果值太大，取一个适当的质数对其求模。
②标准化 normalization
对整体数据进行归一化工作，利用min-max标准化方法将数据都映射到一个指定的数值区间。
③数据降维
原始数据存在很多维度，使用主成分分析法对数据的相关性分析来降低数据维度。
④数据完整性
数据完整性包括数据缺失补数据和数据去重；
补全数据的方法有：
1. 通过身份证件号码推算性别、籍贯、出生日期、年龄（包括但不局限）等信息补全；
2. 通过前后数据补全；
3. 实在补不全的，对数据进行剔除。
数据去重的方法有：
1. 用sql或者excel“去除重复记录”去重；
2. 按规则去重，编写一系列的规则，对重复情况复杂的数据进行去重。
5. 数据挖掘异常值的定义为
高维数据的概念其实不难，简单的说就是多维数据的意思。平时我们经常接触的是一维数据或者可以写成表形式的二维数据，高维数据也可以类推，不过维数较高的时候，直观表示很难。
目前高维数据挖掘是研究重点，这是它的特点：
高维数据挖掘是基于高维度的一种数据挖掘，它和传统的数据挖掘最主要的区别在于它的高维度。目前高维数据挖掘已成为数据挖掘的重点和难点。随着技术的进步使得数据收集变得越来越容易，导致数据库规模越来越大、复杂性越来越高，如各种类型的贸易交易数据、Web 文档、基因表达数据、文档词频数据、用户评分数据、WEB使用数据及多媒体数据等，它们的维度（属性）通常可以达到成百上千维，甚至更高。
由于高维数据存在的普遍性，使得对高维数据挖掘的研究有着非常重要的意义。但由于“维灾”的影响，也使得高维数据挖掘变得异常地困难，必须采用一些特殊的手段进行处理。 随着数据维数的升高，高维索引结构的性能迅速下降，在低维空间中，我们经常采用欧式距离作为数据之间的相似性度量，但在高维空间中很多情况下这种相似性的概念不复存在，这就给高维数据挖掘带来了很严峻的考验，一方面引起基于索引结构的数据挖掘算法的性能下降，另一方面很多基于全空间距离函数的挖掘方法也会失效。解决的方法可以有以下几种：可以通过降维将数据从高维降到低维，然后用低维数据的处理办法进行处理；对算法效率下降问题可以通过设计更为有效的索引结构、采用增量算法及并行算法等来提高算法的性能；对失效的问题通过重新定义使其获得新生。
6. 判断异常值
正常高是指从一地面点沿过此点的正常重力线到似大地水准面的距离。正高是指从一地面点沿过此点的重力线到大地水准面的距离。大地水准面差距（geoid height）是从大地水准面沿法线到地球椭球体面的距离。包括：
①绝对大地水准面差距，指从大地水准面沿法线到总椭球面的距离，可用卫星大地测量方法求得，亦可根据全球重力数据按斯托克斯（G·G·Stokes）公式计算；
②相对大地水准面差距，是大地水准面沿法线到参考椭球面的距离，可用天文水准测量或天文重力水准测量方法求得，亦可用空间测量技术测取.高程异常：似大地水准面至地球椭球面的高度。高程异常值可在国家测绘部门存有的高程异常图中查取。大地高是指从一地面点沿过此点的地球椭球面的法线到地球椭球面的距离。是大地地理坐标（B，L，H）的高程分量H。大地高=正常高+高程异常大地高=正高高程+大地水准面差距
7. 异常数据挖掘方法
数据预处理（datapreprocessing）是指在主要的处理以前对数据进行的一些处理。如对大部分地球物理面积性观测数据在进行转换或增强处理之前，首先将不规则分布的测网经过插值转换为规则网的处理，以利于计算机的运算。另外，对于一些剖面测量数据，如地震资料预处理有垂直叠加、重排、加道头、编辑、重新取样、多路编辑等。 数据预处理的方法： 1、数据清理 数据清理例程通过填写缺失的值、光滑噪声数据、识别或删除离群点并解决不一致性来“清理”数据。主要是达到如下目标：格式标准化，异常数据清除，错误纠正，重复数据的清除。 2、数据集成 数据集成例程将多个数据源中的数据结合起来并 统一存储，建立数据仓库的过程实际上就是数据集成。 3、数据变换 通过平滑聚集，数据概化，规范化等方式将数据转换成适用于数据挖掘的形式。 4、数据归约 数据挖掘时往往数据量非常大，在少量数据上进行挖掘分析需要很长的时间，数据归约技术可以用来得到数据集的归约表示，它小得多，但仍然接近于保持原数据的完整性，并结果与归约前结果相同或几乎相同。
8. 如何挖掘异常值
spss没有办法做 要用stata做,用winsor命令,擅长离群值。
SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件。最初软件全称为“社会科学统计软件包”（SolutionsStatistical Package for the Social Sciences），但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，标志着SPSS的战略方向正在做出重大调整。为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称SPSS，有Windows和Mac OS X等版本。
9. 数据挖掘中的异常检测意味着什么
最近公司正在开展审计信息化建设，我来抛砖引玉：
第一、审计信息化工作目标
以风险为导向，数据为驱动，依托云计算、大数据、人工智能、移动互联网技术，构建与公司发展相适应的内部审计信息平台。通过审计信息化建设，固化审计工作标准和规范，扩大审计广度和深度，提升审计效率和质量，促进问题有效整改，助力企业防范风险，提升管理能级。
第二、审计信息化相关内容
1、审计管理系统
以审计计划项目信息为先导，对审计项目实施、指导、决策等环节进行全过程规范化管理，加强审计工作统筹管理，实现审计工作上下级联动、优化资源配置和调度能力，强化审计工作的风险导向能力。同时，以丰富的图表展示审计工作成果，为领导决策提供数据支撑，建立统一的知识体系，提升整体审计团队知识技能。
2、现场审计实施系统
安装部署于便携式电脑终端，为内审人员对被审计单位开展就地或送达审计提供轻量化审计平台，包括数据采集、转换、抽样、分析，以及工作底稿、审计报告模板等功能模块。
3、远程实时监审系统
依托审计大数据平台，通过对公司重点业务数据远程采集，以及对关键业务数据和高风险领域核心指标的在线监督和对比分析，实现对重点单位、主要业务及重点环节的实时监控和异常情况预警预报。使重大风险和关键流程全面受控，加强风险的预见和防范能力，实现从现场、静态、事后审计模式向远程、动态、事中审计模式的转变。
（今日头条悟空独稿，未经许可禁止今日头条之外转载，图片来自网络，如有侵权，请联系删除。谢谢！）