请教一个统计相关的问题

[Mayerchan]

rt ，现在在做一个高频相关的违规模型，背景有点类似与营业厅人员的操作，这种非规律性的数据，我需要怎么去定义一个高频的阈值呢🤔


目前计划以“人员在某个时间窗口内的操作次数”作为统计指标，但数据分布较不均匀，可能还会受到岗位、网点、业务类型和时段等因素的影响，因此不确定应该如何定义“异常高频”。

目前的思路是结合分位数和箱线图规则：先将 P90 以上的数据作为重点观察范围，再使用 Q3 + 1.5 × IQR 作为异常高频阈值。但实际结合数据分析后，发现识别效果并不理想，存在一定的误报或漏报。

想请教以下问题：

P90 和 Q3 + 1.5 × IQR 是否适合用于这类偏态或长尾的计数数据？
阈值应该全局统一设置，还是按人员、岗位、网点、业务类型或时段分别计算？
除分位数和 IQR 外，是否有更合适的统计方法或异常检测方法？
如果需要，我也可以补充数据分布、时间窗口以及当前误报和漏报情况。



内容用 AI 修饰了一下 ，大伙将就着看哈

[Sawyerhou]

既然“操作次数”“会受到岗位、网点、业务类型和时段等因素的影响”，那阈值理论上也应该随着不同的“岗位、网点、业务类型和时段等因素”而变化。

阈值紧，误报多，漏报少；阈值松，误报少，漏报多。没有免费的午餐，总要有取舍。具体怎么取舍，还是取决于业务场景的需求。

我觉得用分位数就行，不过 90%分位数似乎有点低，98%、99%差不多，不过不清楚业务具体情况，也不敢确定。

[Mayerchan]

@Sawyerhou 就是这个取舍 还有误报这个问题，有点头疼