一句话定义：异常值处理（outlier handling）是指在分析和建模之前，找出那些明显偏离整体分布的样本，再决定删除、修正、保留还是单独建模的过程。其中，识别只是第一步，如何处置才是难点。
异常值一般呈两种性质。第一种来自脏数据（dirty data）：录入错误、单位错位、传感器故障、重复提交，比如身高字段填了 1700，就是把毫米当成了厘米。这类值不代表任何真实情况，删掉或修正是安全的。第二种来自稀有事件（rare event）：信用卡盗刷、设备真实故障、大额退款、大促爆单。它们数值上同样“离群”，但恰恰是业务最想抓住的那部分。
打个比方：体检报告上某项指标超出参考范围，可能是化验单打错了，也可能是这个人确实生病了。医生不会看见箭头就划掉，而会复查、问诊、结合其他指标。异常值处理走的是同一套流程：先追来源，再判性质。
几个可操作的判断问题：
- 这个值能追溯到具体来源吗？能对上真实订单号、真实日志的，倾向稀有事件。
- 它与其他字段自洽吗？身高 1700、体重 60，多半是单位错。
- 出现频率如何？在大量数据里稳定存在一小撮，往往是真实的长尾；孤零零一两个，多半是错。
- 业务方能否解释？讲得出场景的，先别删。
| 脏数据 | 稀有事件 | |
|---|---|---|
| 本质 | 记录失真 | 真实但少见 |
| 处置 | 修正或删除 | 保留、加权或单独建模 |
| 误删代价 | 几乎为零 | 丢掉最有价值的信号 |
与相邻概念的区别：缺失值处理（missing value）应对“没有值”，异常值处理应对“有值但长得怪”；数据清洗（data cleaning）是更大的概念，异常值处理只是其中一步；异常检测（anomaly detection）把异常当作目标，比如风控、故障预警，而异常值处理是建模前的数据准备，异常在这里是需要先处理的数据问题。
方法层面，统计方法有 Z-score、四分位距（IQR）和箱线图，模型方法有孤立森林（Isolation Forest）、局部离群因子（LOF）等。但比方法更重要的是处置决策：直接删除会引入偏差，缩尾（Winsorize）、替换、分箱、单独建模往往更稳妥。
对从业者的实际意义是：一句“我把异常值删了”，背后可能是把最值钱的样本扔了。风控模型删掉欺诈样本、设备维护模型删掉真实故障、电商模型删掉爆单记录，模型会变得“干净但没用”。对普通人则是一个提醒：当统计结论说“已剔除极端值”时，值得多问一句：剔了什么，为什么。