【漫话机器学习系列】264.内距（又称四分位差）Interquartile Range
深入理解内距（Interquartile Range，IQR）——数据分析中的异常值利器
在日常的数据分析中，我们经常需要识别和处理异常值（Outliers），而内距（Interquartile Range，简称 IQR）是一个非常实用的工具。本文将通过一张直观的图示，深入讲解 IQR 的概念、计算方法及其在异常值识别中的重要作用。
一、什么是内距（IQR）？
内距（Interquartile Range） 又称 四分位差，是描述数据分布集中趋势和离散程度的一种重要统计量。
它定义为：
其中：
-
Q1：第一四分位数（25%分位数）
-
Q3：第三四分位数（75%分位数）
IQR 表示的是中间 50% 数据的跨度，即从 25% 到 75% 之间数据的范围，能有效排除极端值的影响。
二、图示解读：IQR 与箱型图的关系
下面是 Chris Albon 的一张经典图解，非常直观地展示了 IQR 在箱型图（Boxplot）中的作用。
图中关键说明：
-
中间的盒子部分 表示从 Q1 到 Q3，即 IQR 范围。
-
盒子中间的竖线 表示中位数（Q2），也称第 2 四分位数。
-
左侧边缘线 是 Q1 - 1.5 × IQR，称为“下边缘值”。
-
右侧边缘线 是 Q3 + 1.5 × IQR，称为“上边缘值”。
-
边缘线以外的值 即为可能的异常值（Outliers）。
三、IQR 异常值判断准则
使用 IQR 判断异常值的方法，是统计分析中最常见也最稳健的方法之一：
-
异常值判定区间：
-
低于 Q1−1.5×IQR
-
高于 Q3+1.5×IQR
-
更严格时，可以使用：
-
极端异常值判定：
-
低于 Q1−3×IQR
-
高于 Q3+3×IQR
-
这种方法相比于标准差法（均值 ± n × 标准差）更不容易受极端数据的影响，尤其适合非正态分布的数据集。
四、IQR 实战应用场景
-
数据清洗
利用 IQR 自动识别并剔除异常值，提高数据质量。 -
可视化分析（箱型图）
快速判断数据是否偏态、是否存在离群点。 -
机器学习特征工程
对离群值进行截断处理或归一化前的预处理，提升模型鲁棒性。
五、代码实操（以 Python 为例）
import numpy as np# 示例数据
data = np.array([10, 12, 13, 14, 15, 16, 100])# 计算 IQR
Q1 = np.percentile(data, 25)
Q3 = np.percentile(data, 75)
IQR = Q3 - Q1# 异常值上下界
lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR# 找出异常值
outliers = data[(data < lower_bound) | (data > upper_bound)]print("IQR:", IQR)
print("异常值：", outliers)
输出结果会识别出 100 这个远离其余数据点的异常值。
六、总结
-
IQR 是一种稳健的离散度量，适合用于非正态分布的数据。
-
在数据分析、可视化和特征工程中都有广泛应用。
-
搭配箱型图使用，能非常直观地识别异常点。