اعثر على القيم الشاذة في جداول البيانات وتحقق منها

المؤلف: AILesson7 دقائق للإعدادتم اختباره مع:ChatGPTتمت المراجعة: 2026-08-28

إجابة سريعة

ضع علامات على القيم غير المعتادة بطريقة تلائم التوزيع، ثم تحقق منها قبل الإزالة. قدّم: المقياس والمعنى التجاري, ملف البيانات, التحقق والاستخدام. النتيجة المتوقعة: علامات شفافة للقيم الشاذة وفحوص للسياق وقرارات بالاحتفاظ أو التصحيح أو الإزالة.

أضف سياقك

يبقى نصك في هذا المتصفح. لا يرسله AILesson Prompts إلى نموذج أو خادم.

المقياس والمعنى التجاريملف البياناتالتحقق والاستخدام

الأمر الخاص بك

تبقى الحقول غير المعبأة ظاهرة كعناصر نائبة، لذا يمكنك نسخ الأمر وتحريرها

صمم تحليلًا للقيم الشاذة في جدول بيانات.

المقياس والوحدة والنطاق الصالح والمجموعات:
[metric]

ملف البيانات والقيم النموذجية:
[distribution]

غرض التحقق والسياسة:
[policy]

افصل بين القيم المستحيلة وأخطاء إدخال البيانات والأحداث النادرة لكنها صالحة والملاحظات المؤثرة. اختر طريقة شفافة تلائم الالتواء وحجم العينة، مثل حدود قواعد العمل أو IQR أو درجة z المتينة أو المقارنة داخل المجموعة. أعد الصيغ والعتبات وحقل OutlierReason وسير عمل للمراجعة. لا تحذف القيم أو تقص حدودها تلقائيًا. بيّن كيف تتغير الاستنتاجات بوجود الملاحظات الموسومة وبدونها، وكيف يمكن تتبع كل صف إلى دليل المصدر.

جرّب في المختبر

خاص افتراضيًايتم تجميع الأمر محليًا في متصفحك. تجنب وضع معلومات سرية في أي خدمة ذكاء اصطناعي ما لم تسمح مؤسستك بذلك.

من المدخلات إلى النتيجة

مثال عملي

شاهد كيف يحول السياق الملموس هذه الوصفة إلى نتيجة قابلة للاستخدام

المدخل الفعلي

المقياس والمعنى التجاري: OrderValue بعملة GBP، وغير سالب. حلل حجم الطلب النموذجي بحسب CustomerType لأن طلبات Wholesale عادة أكبر من Retail.
ملف البيانات: 2,400 طلب. Retail n=2,100: Q1 £28، الوسيط £46، Q3 £72، الحد الأقصى £8,400. Wholesale n=300: Q1 £410، الوسيط £690، Q3 £1,100، الحد الأقصى £12,500. ثلاث قيم سالبة؛ وصف واحد من Retail بقيمة £8,400؛ وعدة صفوف من Wholesale تتجاوز £4,000.
التحقق والاستخدام: اعثر على أخطاء البيانات وافهم ما إذا كانت الطلبات القصوى تشوه المتوسط. يمكن التحقق من كل طلب مقابل فاتورة. لا تزل طلبًا كبيرًا صالحًا.

مثال على المخرجات

طبّق قاعدة العمل التي تشترط عدم السلبية أولًا: القيم السالبة الثلاث كلها Invalid وتتطلب تصحيحًا بالرجوع إلى الفاتورة أو المصدر. اكتشف القيم غير المعتادة داخل CustomerType، لا عبر المجتمع المختلط.

بالنسبة إلى Retail، فإن IQR = 72−28 = 44، والحد الأعلى هو 72+1.5×44 = £138. يضع هذا عمدًا علامة على كثير من طلبات Retail المرتفعة للتحقق، لا للحذف. بالنسبة إلى Wholesale، فإن IQR = 690 والحد الأعلى £2,135. أضف ربيعات المجموعة في جدول ملخص وعمود OutlierReason يميز بين Negative-invalid وAbove-group-IQR وNot-flagged.

طلب Retail بقيمة £8,400 غير معتاد جدًا؛ تحقق من نوع العميل وموضع الفاصلة العشرية والعملة والتكرارات والفاتورة. إذا ثبتت صحته، فاحتفظ به بوصفه Rare-valid واشرح تأثيره. تخضع طلبات Wholesale التي تتجاوز £4,000 لفحص المصدر نفسه، لكن لا ينبغي مقارنتها بعتبة Retail.

أبلغ عن الوسيط وIQR بوصفهما الإحصاءين الأساسيين للحجم النموذجي. اعرض متوسط قيمة الطلب مع جميع الصفوف الصالحة، ثم مرة أخرى مع استبعاد صفوف Rare-valid بوصف ذلك تحليل حساسية، مع إبقاء إجمالي الإيرادات الرسمي دون تغيير. سجّل OrderID والعلامة والدليل المفحوص والقرار والمراجع والتاريخ لكل تصنيف تغيّر.

لماذا يعمل هذا

1
يمنع فصل القيم غير الصالحة عن غير المعتادة محو الأحداث المشروعة عالية الأثر.
2
تكشف نتائج تحليل الحساسية ما إذا كان عدد قليل من الملاحظات يقود الاستنتاج.

تحقق من النتيجة

هل تلائم طريقة الكشف توزيع المقياس والمجموعات؟
هل وُسمت القيم المستحيلة والخاطئة والنادرة الصالحة كلٌّ على حدة؟
هل يدعم دليل المصدر كل تصحيح؟

استخدمها بثقة

الأسئلة الشائعة

إجابات عملية حول متى تستخدم هذه الوصفة، وما الذي تقدمه، وأين لا تزال المراجعة البشرية مهمة

ما الذي ينبغي أن أُعدّه قبل استخدام «العثور على القيم الشاذة في جداول البيانات والتحقق منها»؟

لاستخدام «العثور على القيم الشاذة في جداول البيانات والتحقق منها»، أعدّ المقياس والمعنى التجاري وملف البيانات وغرض التحقق والاستخدام. لا تستبدل العناصر النائبة إلا بمعلومات يمكنك التحقق منها. إذا كان أحد التفاصيل مجهولًا، فصرّح بعدم اليقين بوضوح بدلًا من مطالبة النموذج باستنتاجه.

متى لا تكون نتيجة «العثور على القيم الشاذة في جداول البيانات والتحقق منها» جاهزة للاستخدام؟

لا تكون النتيجة جاهزة إذا لم تحقق بعدُ الناتج المعلن—علامات شفافة للقيم الشاذة وفحوص للسياق وقرارات بالاحتفاظ أو التصحيح أو الإزالة—استنادًا إلى الأدلة المقدمة، أو إذا اعتمدت على افتراضات غير محسومة أو موافقات مفقودة أو تفاصيل مختلقة. استخدم عناصر التحقق بوصفها شروطًا للإجازة: راجع المدخلات المصدرية أو عيّن مراجعًا مسمى ومخولًا بدلًا من تنميق مخرجات بلا سند.

ما أدوات الذكاء الاصطناعي التي لديها اختبارات مسجلة لوصفة «العثور على القيم الشاذة في جداول البيانات والتحقق منها»؟

يدرج سجل الاختبار المنشور لوصفة «العثور على القيم الشاذة في جداول البيانات والتحقق منها» أداة ChatGPT حتى 2026-08-28. يؤكد ذلك وجود عمليات تشغيل مسجلة، ولا يضمن التوافق أو تطابق النتائج في إصدارات المنتج اللاحقة. عند استخدام أداة أو إصدار آخر، أبقِ جميع القيود ظاهرة وكرر عمليات التحقق من النتيجة قبل الاستخدام.

المزيد من طرق الاستكشاف