樟树异常数据处理常用方法

　　异常数据处理常用方法包括：

　　1.删除异常值（Outlier Detection and Removal）：通过统计学方法或机器学习算法识别出明显偏离正常范围的数值，并将其从原始数据集中剔除。

　　2.数据插补（Data Smoothing）:对缺失值进行填补，如平均数、中位数等。

　　3.分层抽样（Stratified Sampling or Stratification）：根据不同特征对数据集进行分层，然后随机选取样本。

　　4.可视化分析（Visualization Analysis）：使用图表和图形展示数据的分布情况及趋势，以便更好地理解和发现异常值。