如何确定在异常值检测中要删除哪些输入？

在异常值检测中，确定要删除哪些输入通常需要考虑以下几个因素：

1. 数据分布：首先，需要对数据进行分析，了解数据的分布情况。可以使用统计方法、可视化工具等来观察数据的分布特征，如均值、方差、偏度、峰度等。异常值通常是与数据分布明显不符的数据点。
2. 领域知识：了解所处理数据的领域知识是非常重要的。根据领域知识，可以判断哪些数值是不可能或不合理的，从而确定异常值。
3. 统计方法：常用的统计方法包括Z-score、箱线图等。Z-score可以通过计算数据点与均值之间的偏差来判断异常值，一般认为Z-score大于3或小于-3的数据点为异常值。箱线图可以通过观察数据的上下四分位数、中位数等来判断异常值。
4. 业务需求：根据具体业务需求，可以确定哪些异常值是需要删除的。有些异常值可能是真实存在的特殊情况，需要保留；而有些异常值可能是数据采集或处理过程中的错误，需要删除。

综上所述，确定在异常值检测中要删除哪些输入需要综合考虑数据分布、领域知识、统计方法和业务需求等因素。根据具体情况，可以选择合适的方法来判断和删除异常值。

腾讯云相关产品和产品介绍链接地址：

• 数据分析与挖掘平台（https://cloud.tencent.com/product/dap）
• 人工智能平台（https://cloud.tencent.com/product/ai）
• 数据库 TencentDB（https://cloud.tencent.com/product/cdb）
• 弹性MapReduce（https://cloud.tencent.com/product/emr）
• 弹性MapReduce for Apache Hadoop（https://cloud.tencent.com/product/emr-hadoop）
• 弹性MapReduce for Apache Spark（https://cloud.tencent.com/product/emr-spark）