拉依达准则对异常值进行检测代码

以下是使用拉依达准则进行异常值检测的Python代码示例：

import numpy as np

def detect_outliers(data, m=2):
    """
    使用拉依达准则检测异常值

    参数：
    data: 一维数组，需要进行异常值检测的数据
    m: 检测阈值，默认为2

    返回值：
    一个布尔型数组，表示每个数据点是否为异常值
    """
    median = np.median(data)
    diff = np.abs(data - median)
    med_abs_deviation = np.median(diff)
    modified_z_score = 0.6745 * diff / med_abs_deviation

    return modified_z_score > m

# 示例用法
data = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 100])
is_outlier = detect_outliers(data)
print(is_outlier)

输出结果为：

[False False False False False False False False False  True]

上述代码中，`detect_outliers` 函数使用拉依达准则检测异常值。对于一维数组 `data` 中的每个数据点，首先计算其与中位数的绝对值差，然后计算这些差值的中位数，得到中位数绝对偏差（MAD）。最后，计算每个数据点与中位数的差除以MAD，得到修正的Z分数（modified Z-score），用于判断该数据点是否为异常值。当修正的Z分数大于阈值 `m`（默认为2）时，被视为异常值。