Поиск аномалий в датасете
Системный поиск выбросов, аномалий и нетипичных паттернов в данных с объяснением причин.
Продвинутый0 копирований
Заполните переменные
Значения автоматически подставляются в текст промпта
Промпт
Проанализируй данные на наличие аномалий:
**Данные:** {данные}
**Контекст:** {контекст}
Проверь:
1. **Статистические выбросы** — значения за пределами 2σ/3σ, IQR-метод
2. **Временные аномалии** — резкие скачки, провалы, нехарактерная сезонность
3. **Логические противоречия** — данные, которые не могут быть корректными
4. **Пропуски** — паттерны в отсутствующих данных (MCAR, MAR, MNAR)
5. **Дубликаты** — точные и нечёткие совпадения
Для каждой аномалии укажи: что нашёл, возможная причина, рекомендация (исправить/исследовать/оставить).
💡 Советы по использованию
Загрузите CSV напрямую в ChatGPT или Claude для автоматического обнаружения аномалий с кодом Python.
Примеры применения
- •Data Quality
- •Аудит данных
- •Fraud detection