DBSCAN算法对异常值敏感，因此要在聚类前进行异常值分析（）

DBSCAN算法是一种基于密度的聚类算法，对异常值非常敏感，因此要在聚类前进行异常值分析。（)

离差平方和法的聚类效果较好，且对异常值不敏感，因此在实践中应用最为广泛（）

异常值会给分类算法带来很大的干扰，因此要删除异常值（）

运用SPSS分析时，判断异常值时可以先对数据进行标准化处理得到Z，Z的绝对值大于3可以认为是异常值。（)

决策树既可以处理离散型变量也可以处理连续型变量，且对缺失值、异常值、共线性都不敏感，因此不需要对原始数据进行预处理就可以应用决策树进行分析（）

随着数据量的增大，异常值和缺失值对整体分析结果的影响会逐渐变小，因此在“大数据"模式下，数据清洗可忽略异常值和缺失值的影响，而侧重对数据结构合理性的分析。（)

在数据缺失严重时，会对分析结果造成较大影响，因此对剔除的异常值以及缺失值，要采用合理的方法进行填不卜，常见的方法有平均值填充、K最近距离法、回归法、极大似线估计法等。（)

异常值在数理统计里一般是指一组观测值中与平均值的偏差超过三倍标准差的测定值（）

‎在资料分析时，我们可以利用置信区间的概念，如果实验观测值,在置信区间内，代表该观测值不是异常值。（)‍

异常值是指一批数据中的个别值，其数值明显偏离该批数据的其余值，也称离群值（）