Algorithm 检测与其余数据非常分散的点

我有一组结果（数字），我想知道与以前的结果（仅以前的结果）相比，给定的结果是否非常好/不好

每个结果都是一个数字。例如，如果您有序列

10,11,10,9.5,16

，那么与前面的序列相比，16显然是一个非常好的结果。我想找到一种算法来检测这种情况（与以前的结果相比，结果非常好/不好）

说明这个问题的一个更一般的方法是：如何确定给定数据集中的一个点是否分散在其他数据中

现在，这看起来像是峰值检测问题，但是由于前面的值不是常数，所以有很多小峰值，我只想要大的

我的第一个想法是计算平均值并确定标准偏差，但它非常有限。事实上，如果之前的结果中有一个巨大/较低的值，则平均值/标准偏差将发生显著变化，下一个结果必须更大/更低，以超过标准偏差（以便检测），因此许多点将无法（正确地）检测

我很肯定那一定是个众所周知的问题

---

有人能帮我解决这个问题吗？

这类问题被称为。

如果在数据历史记录中至少发生过一次类似大小的结果，则如果将新值评为普通值，则聚类可能最适合您的需要。在这种情况下，排除所有试图平均先前结果的方案，例如使用某种方法。事实上，数据集中的值可以增加/减少。因此，当数据中出现“趋势”（增加/减少）时，观察类似大小的结果是否至少发生一次的想法可能不起作用。趋势是线性的吗？它可以是任何东西（不一定是线性的）。。数据本身有一点随机性。你说得对，谢谢：p与我有相同问题的其他人可能希望查找异常值检测