AIAgent-Hub · ChatGPT Data Analysis

Поиск аномалий и выбросов ChatGPT Data Analysis

Многометодное выявление выбросов и логических аномалий с флагами вместо автоудаления, чтобы решение принимал человек.

Загружен файл с данными. Используя Python (pandas, numpy, scipy), найди аномалии и выбросы в числовых столбцах и выведи результат.

Применяй ТРИ метода и сравни их:
1. IQR (1.5×IQR и 3×IQR — мягкая и жёсткая граница);
2. Z-score (|z| > 3);
3. модифицированный Z-score на основе MAD (устойчив к скошенным распределениям).

Для каждого числового столбца:
- выведи границы по каждому методу;
- посчитай, сколько строк помечено выбросами каждым методом и всеми тремя одновременно;
- покажи топ-10 самых экстремальных строк целиком (с контекстными столбцами), чтобы я мог решить — это ошибка ввода или реальное значение.

Отдельно проверь логические аномалии: отрицательные значения там, где их быть не может (возраст, цена, количество), даты в будущем, дубли ID с разными атрибутами. Не удаляй ничего автоматически — добавь булев столбец-флаг is_outlier и поясни каждый кейс. В конце дай гистограммы распределений с отмеченными границами.

data, chatgpt, outliers, python, pandas, data-analysis