用離羣點造句子，“離羣點”造句

結論在離羣點存在時對廣義可加模型進行穩健估計是必要的。

近鄰分類是一種流行且成功的非參數分類方法，但其分類*能由於離羣點的存在而受到損害。

同時用局部偏離指數指示離羣點的偏離程度,又具有識別精度高和偏離程度可度量的優點.

算法的複雜度較低，適用於大規模數據集快速離羣點檢測。

一種新的抽樣方法是把數據挖掘技術中的分類、聚類及離羣點挖掘等應用到審計風險管理中去。

用於可疑金融交易*的對比離羣點檢測模型

原始點雲經梯度方向迭代移動後，過濾噪音和剔除離羣點，並修補點雲缺失數據。

一般説來，離羣點是遠離其他數據點的數據，但很可能包含着極其重要的信息。

且沒有考慮到通信負載的問題，將應用安全協議的集中式離羣點檢測算法直接應用於分佈式數據集，易產生隱私泄露且算法的效率低。

小波分析在離羣點檢測和去噪方面是獨一無二的。

目的針對大氣污染與健康關係研究中擬合廣義可加模型時的離羣點進行診斷並試圖減小其影響。