Python 如何去除异常值

我正在研究一个回归问题。我有10个自变量，我用的是SVR。尽管使用网格搜索进行了特征选择和SVR参数调整，我还是得到了15%的巨大MAPE。因此，我试图删除异常值，但删除它们后，我无法分割数据。我的问题是异常值会影响回归的准确性吗

from sklearn.metrics import mean_absolute_error 
from sklearn.metrics import mean_squared_error
from sklearn.preprocessing import Normalizer
import matplotlib.pyplot as plt
from sklearn.model_selection import GridSearchCV


def mean_absolute_percentage_error(y_true, y_pred): 
    y_true, y_pred = np.array(y_true), np.array(y_pred)
    return np.mean(np.abs((y_true - y_pred) / y_true)) * 100

import pandas as pd
from sklearn import preprocessing
features=pd.read_csv('selectedData.csv')
target = features['SYSLoad']
features= features.drop('SYSLoad', axis = 1)


from scipy import stats
import numpy as np
z = np.abs(stats.zscore(features))
print(z)
threshold = 3
print(np.where(z > 3))
features2 = features[(z < 3).all(axis=1)]


from sklearn.model_selection import train_test_split
train_input, test_input, train_target, test_target = train_test_split(features2, target, test_size = 0.25, random_state = 42)  

从sklearn.metrics导入平均绝对误差
从sklearn.metrics导入均方误差
从sklearn.preprocessing导入规范化器
将matplotlib.pyplot作为plt导入
从sklearn.model_选择导入GridSearchCV
def平均绝对百分比误差（y_真，y_pred）：
y_真，y_pred=np.array（y_真），np.array（y_pred）
返回np.平均值（np.绝对值（（y_真-y_pred）/y_真））*100
作为pd进口熊猫
从sk学习导入预处理
features=pd.read\u csv（'selectedData.csv'）
目标=功能['SYSLoad']
features=features.drop（'SYSLoad'，axis=1）
从scipy导入统计信息
将numpy作为np导入
z=np.abs（stats.zscore（特性））
打印（z）
阈值=3
打印（np.式中（z>3））
特征2=特征[（z<3）.所有（轴=1）]
从sklearn.model\u选择导入列车\u测试\u拆分
列车输入，测试输入，列车目标，测试目标=列车测试分割（特征2，目标，测试大小=0.25，随机状态=42）

在执行以下代码时，我得到了这个错误

“样本：%r”%[int（l）表示长度为l的样本]）

ValueError:找到的输入变量的数量不一致 样本：[3335235064]”

---

出现错误的原因是，

目标

变量的长度与

特性

（可能是35064）的长度相等，原因是：

您的

features2

变量长度较小（可能是33352），即它是

功能的子集，原因是：

features2 = features[(z < 3).all(axis=1)]

异常值有时会影响您的模型，因为在标准化后，许多值可能变得太小，我建议使用箱线图来识别上下四分位数，然后删除不在该范围内的其余值，但只有在您有足够数据的情况下才这样做。如果您需要代码来做，请在下面进行注释，我将提供帮助谢谢您，但这需要一些时间。@anand_v.singh谢谢您，是的，我们将不胜感激
features2 = features[(z < 3).all(axis=1)]

target2 = target[(z < 3).all(axis=1)]
train_input, test_input, train_target, test_target = train_test_split(features2, target2, test_size = 0.25, random_state = 42)