异常值去除

工具概述

异常值去除，利用数据处理工具，对数据样本中的异常值进行处理，从而保证数据的正常有效利用。

操作方法

1. 输入任务名。

2. 输入需要进行分析的数据表，文件应为txt格式，数据表必须包含行头和列头。首行为物种、基因或功能名称。数据与数据之间务必用制表符隔开（tab符），首列为样本名称。以下表为例：

3. 检测方法有4种：

①DBSCAN： 这个算法以密度为基础，给定某空间里的一个点集合，其能把附近的点分成一组（有很多相邻点的点），并标记出位于低密度区域的局外点。

②Isolation Forest：任何可以将数据分隔开的方法都可以实现Isolation，采用binary tree结构来实现，称为iTree，在iTree中，异常点被isolated之后更加靠近树的根部。

③OneClassSVM：在数据维度很高，或者对相关数据分布没有任何假设的情况下，OneClassSVM也可以作为一种很好的outlier detection方法。

④Local Outlier Factor(LOF)：通过计算一个数值score来反映一个样本的异常程度，一个样本点周围的样本点所处位置的平均密度比上该样本点所在位置的密度。比值越大于1，则该点所在位置的密度越小于其周围样本所在位置的密度，这个点就越有可能是异常点。

结果解读

1.异常数据去除结果表：去除异常数据的数据表。

2.异常数据行列对照表：异常值对应的行列信息。