《表2 临界值探索结果：异常值检测在成品油零售客户消费行为分析中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《异常值检测在成品油零售客户消费行为分析中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先对衍生变量进行统计分布的检测，最常见的统计分布为正态分布。若数据不服从正态分布，可以通过对数转换等方式，使其服从正态分布。根据正态分布的特点，采用3σ准则进行疑似异常客户的筛选，将均值±3倍标准差范围以外的点认为是异常值，但在实际应用中，判断标准（即标准差的倍数）通常根据实际业务需要选取。若数据转换后仍不服从正态分布，则采用箱线图法进行疑似异常客户的筛选。箱线图法认为在数据Q3（第三分位数）+1.5IQR（四分位距）和Q1（第一分位数）-1.5IQR处为异常值截断点，称其为内限。将内限以外位置的点认为是异常值，实际应用中，判断标准（即IQR的倍数）通常也是根据实际业务需要确定。按照3σ准则、箱线图法对衍生变量进行探索，筛选出疑似异常客户，如表2所示。表2给出各衍生变量的临界值，将临界值以外的客户筛选为疑似异常客户，如加油时间间隔小于15 min的客户。这里将触发任一变量临界值的客户都筛选为疑似异常客户，按照客户ID进行汇总和去重后合计1.6万人，数量较大，仍需进一步聚类排查。临界值探索结果详见表2。