CN109739838A - 异常数据处理方法及装置 - Google Patents

Abstract

本发明提供了一种异常数据处理方法及装置，该方法应用于数据处理技术领域，所述方法包括：获取待处理数据；对所述待处理数据进行描述性统计得到统计数据；根据所述统计数据确定标准数据范围；根据所述标准数据范围确定所述统计数据的异常值；根据所述标准数据范围对所述异常值进行修正。本发明提供的异常数据处理方法及装置能够快速检测并修正异常值。

Description

异常数据处理方法及装置

技术领域

本发明属于数据处理技术领域，更具体地说，是涉及一种异常数据处理方法及装置。

背景技术

在现实中,由于人为错误或自然错误会导致产生数据异常值，在多数据源的环境下，出现数据异常并产生数据冲突的概率大大增加。如何处理这些异常值便是数据清洗所面临的一个重要课题。

在数据处理中，尤其在作函数拟合时，异常点的出现不仅会很大程度的改变函数拟合的效果，而且有时还会使得函数的梯度出现奇异梯度，很容易导致算法的终止，从而影响研究变量之间的函数关系。为了有效的避免这些异常点造成的损失，我们需要采取一定的方法对其进行处理。但在多数据源、大数据量的情况下，现有技术中缺少一种检测异常值并对异常值进行快速处理的方法。

发明内容

本发明的目的在于提供一种异常数据处理方法及装置，以解决现有技术中存在的无法快速进行异常数据处理的技术问题。

本发明实施例的第一方面，提供了一种异常数据处理方法，所述方法包括：

获取待处理数据；

对所述待处理数据进行描述性统计得到统计数据；

根据所述统计数据确定标准数据范围；

根据所述标准数据范围确定所述统计数据的异常值；

根据所述标准数据范围对所述异常值进行修正。

本发明实施例的第二方面，提供了一种异常数据处理装置，所述装置包括：

数据获取模块，用于获取待处理数据；

统计模块，用于对所述待处理数据进行描述性统计得到统计数据；

范围确定模块，用于根据所述统计数据确定标准数据范围；

判断模块，用于根据所述标准数据范围确定所述统计数据的异常值；

修正模块，用于根据所述标准数据范围对所述异常值进行修正。

本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的异常数据处理方法的步骤。

本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的异常数据处理方法的步骤。

本发明提供的异常数据处理方法及装置的有益效果在于：本发明提供的异常数据处理方法及装置先通过标准数据范围对描述性统计数据进行筛选，再使用标准数据范围内的数据对筛选出的异常值进行修正，能够实现对异常数据的快速检测和修正。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的异常数据处理方法的流程示意图；

图2为本发明另一实施例提供的异常数据处理方法的流程示意图；

图3为本发明再一实施例提供的异常数据处理方法的流程示意图；

图4为本发明又一实施例提供的异常数据处理方法的流程示意图；

图5为本发明又一实施例提供的异常数据处理方法的流程示意图；

图6为本发明一实施例提供的异常数据处理装置的结构框图；

图7为本发明一实施例提供的终端设备的示意框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参考图1，为本发明一实施例提供的异常数据处理方法的流程示意图。

该方法包括：

S101：获取待处理数据。

在本实施例中，可设置定时获取任务，对待处理数据进行分批，设置定时获取任务分批循环获取待处理数据。

S102：对待处理数据进行描述性统计得到统计数据。

在本实施例中，统计数据包括但不限于原待处理数据、待处理数据的集中趋势数据、离散趋势数据以及数据分布的偏度数据与峰度数据。

S103：根据统计数据确定标准数据范围。

在本实施例中，标准数据范围的确定方法为：首先根据数据的实际范围初步确定数据的最大值和最小值，以此最大值和最小值作为初步标准范围，再根据实际统计数据的集中趋势数据对前述初步标准范围进行修正。

S104：根据标准数据范围确定统计数据的异常值。

在本实施例中，首先根据预设的容差百分比对标准数据范围进行调整得到标准数据容差范围，若统计数据中存在数据未在标准数据范围内，则将该数据标记为异常数据。

S105：根据标准数据范围对异常值进行修正。

在本实施例中，对异常值的处理方法包括但不限于使用标准数据范围内的平均值对异常值进行修正，使用标准数据范围的平均值对异常值进行修正，不进行修正处理等。具体处理方式可根据数据的用途决定，若使用该数据作为数据源时，异常值不会对算法的收敛结果产生影响，则在使用该数据之前可不进行修正处理。若使用该数据作为数据源时，异常值会对算法的输出结果产生较大影响，则考虑使用平均值对异常值进行修正。

从上述描述可知，本发明实施例提供的异常数据处理方法先通过标准数据范围对描述性统计数据进行筛选，再使用标准数据范围内的数据对筛选出的异常值进行修正，能够实现对异常数据的快速检测和修正。

请一并参考图1及图2，图2为本申请另一实施例提供的异常数据处理方法的流程示意图。在上述实施例的基础上，该方法还包括：

S201：根据聚类算法对待处理数据进行分类得到分类数据。

在本实施例中，若待处理数据为多数据源数据，则采用K均值聚类算法对待处理数据进行分类，对分类数据分别进行描述性统计。

请一并参考图1及图2，作为本发明实施例提供的异常数据处理方法的一种具体实施方式。在上述实施例的基础上，步骤S102详述为：

S202：对分类数据分别进行描述性统计确定每组分类数据对应的统计数据。

在本实施例中，在前述使用聚类算法对待处理数据进行聚类分析的基础上，本实施例对分类数据分别进行描述性统计，对类似特征的数据能够综合分析，以保证数据的连续性。

请一并参考图1及图3，图3为本发明再一实施例提供的异常数据处理方法的流程示意图，在上述实施例的基础上，步骤S103详述为：

S301：设定初始标准数据范围。

在本实施例中，首先设定数据的标准最大值和标准最小值，该标准最小值和标准最大值组成初始标准数据范围。

S302：根据统计数据对初始标准数据范围进行修正确定标准数据范围。

在本实施例中，存在以下情况，即统计数据中的待处理数据在某一特定值附近聚集，则可根据该特定值以及待处理数据的聚集范围对初始标准数据范围进行调整。

可选地，作为本发明提供的异常数据处理方法的一种具体实施方式，标准数据范围的确定方法还可以为：

若统计数据中的待处理数据包含有存在映射关系的数据，则将该存在映射关系的数据划分为自变量数据和应变量数据，并对自变量数据和应变量数据进行线性拟合，自变量数据的标准数据范围根据设定的最小最大值确定，应变量数据的标准数据范围由自变量数据的最小最大值经过映射后确定。

请一并参考图1及图4，图4为本申请又一实施例提供的异常数据处理方法的流程示意图。在上述实施例的基础上，步骤S104详述为：

S401：根据标准数据范围确定标准数据容差范围。

在本实施例中，标准数据容差范围是根据标准数据范围和容差百分比确定。例如，标准数据范围为(-50，50)，容差百分比为2％，则标准数据容差范围为(-51，51)。

S402：若统计数据未在标准数据容差范围内，则确定统计数据为异常值。

在本实施例中，直接判断统计数据中的待处理数据是否在标准数据容差范围内，未在容差范围内的数据即确定为异常值。

可选地，作为本发明实施例提供的异常数据处理方法的一种具体实施方式，异常值的判断方法还包括：

若统计数据中的待处理数据包含有存在映射关系的数据，则使用自变量的标准数据容差范围对自变量数据中的异常数据进行筛选。使用应变量的标准数据容差范围对应变量数据中的异常数据进行筛选或者根据前述线性拟合的结果，即线性拟合曲线对应变量数据中的异常数据进行筛选。

请一并参考图1至图5，图5为本申请又一实施例提供的异常数据处理方法的流程示意图。在上述实施例的基础上，上述步骤S105详述为：

S501：生成标准数据范围内的随机值。

S502：将异常值替换为随机值。

在本实施例中，若数据源需保证其分布的均匀性，可采用标准数据范围内的随机值作为异常数据的替代值。若数据源没有数据分布要求，则可采用标准数据范围的平均值或者中值对异常数据进行修正。

对应于上文实施例的异常数据处理方法，图6为本发明一实施例提供的异常数据处理装置的结构框图。为了便于说明，仅示出了与本发明实施例相关的部分。参考图6，该装置包括：数据获取模块10、统计模块20、范围确定模块30、判断模块40和修正模块50。

其中，数据获取模块10，用于获取待处理数据。

统计模块20，用于对待处理数据进行描述性统计得到统计数据。

范围确定模块30，用于根据统计数据确定标准数据范围。

判断模块40，用于根据标准数据范围确定统计数据的异常值。

修正模块50，用于根据标准数据范围对异常值进行修正。

参考图6，在本发明的另一个实施例中，异常数据处理装置还包括：

分类模块60，用于根据聚类算法对待处理数据进行分类得到分类数据。

参考图6，在本发明的再一个实施例中，统计模块20包括：

统计单元21，用于对分类数据分别进行描述性统计确定每组分类数据对应的统计数据。

参考图6，在本发明的又一个实施例中，范围确定模块30包括：

范围设定单元31，用于设定初始标准数据范围。

范围确定单元32，用于根据统计数据对初始标准数据范围进行修正确定标准数据范围。

参考图6，在本发明的又一个实施例中，判断模块40包括：

容差确定单元41，用于根据标准数据范围确定标准数据容差范围。

判断单元42，用于若统计数据未在标准数据容差范围内，则确定统计数据为异常值。

参考图6，在本发明的又一个实施例中，修正模块50包括：

生成单元51，用于生成标准数据范围内的随机值。

替换单元52，用于将异常值替换为随机值。

参见图7，图7为本发明一实施例提供的一种终端设备的示意框图。如图7所示的本实施例中的终端600可以包括：一个或多个处理器601、一个或多个输入设备602、一个或多个输出设备603及一个或多个存储器604。上述处理器601、输入设备602、则输出设备603及存储器604通过通信总线605完成相互间的通信。存储器604用于存储计算机程序，计算机程序包括程序指令。处理器601用于执行存储器604存储的程序指令。其中，处理器601被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能，例如图6所示模块10至60的功能。

应当理解，在本发明实施例中，所称处理器601可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入设备602可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备603可以包括显示器(LCD等)、扬声器等。

该存储器604可以包括只读存储器和随机存取存储器，并向处理器601提供指令和数据。存储器604的一部分还可以包括非易失性随机存取存储器。例如，存储器604还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器601、输入设备602、输出设备603可执行本发明实施例提供的异常数据处理方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。

在本发明的另一实施例中提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令被处理器执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种异常数据处理方法，其特征在于，包括：

获取待处理数据；

对所述待处理数据进行描述性统计得到统计数据；

根据所述统计数据确定标准数据范围；

根据所述标准数据范围确定所述统计数据的异常值；

根据所述标准数据范围对所述异常值进行修正。

2.如权利要求1所述的异常数据处理方法，其特征在于，在对所述待处理数据进行描述性统计得到统计数据之前，包括：

根据聚类算法对所述待处理数据进行分类得到分类数据。

3.如权利要求2所述的异常数据处理方法，其特征在于，所述对所述待处理数据进行描述性统计得到统计数据，包括：

对所述分类数据分别进行描述性统计确定每组分类数据对应的统计数据。

4.如权利要求1所述的异常数据处理方法，其特征在于，所述根据所述统计数据确定标准数据范围，包括：

设定初始标准数据范围；

根据所述统计数据对所述初始标准数据范围进行修正确定标准数据范围。

5.如权利要求1所述的异常数据处理方法，其特征在于，所述根据所述标准数据范围确定所述统计数据的异常值，包括：

根据所述标准数据范围确定标准数据容差范围；

若所述统计数据未在所述标准数据容差范围内，则确定所述统计数据为异常值。

6.如权利要求1所述的异常数据处理方法，其特征在于，所述根据所述标准数据范围对所述异常值进行修正，包括：

生成所述标准数据范围内的随机值；

将所述异常值替换为所述随机值。

7.一种异常数据处理装置，其特征在于，包括：

数据获取模块，用于获取待处理数据；

统计模块，用于对所述待处理数据进行描述性统计得到统计数据；

范围确定模块，用于根据所述统计数据确定标准数据范围；

判断模块，用于根据所述标准数据范围确定所述统计数据的异常值；

修正模块，用于根据所述标准数据范围对所述异常值进行修正。

8.如权利要求7所述的异常数据处理装置，其特征在于，还包括：

分类模块，用于根据聚类算法对所述待处理数据进行分类得到分类数据。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。