离群值会直接扭曲模型学习到的数据分布，让模型把异常当成规律拟合：均值和方差被严重拉偏，导致线性回归、逻辑回归、kmeans等算法失效；rmse等评估指标失真；交叉验证结果系统性乐观；检测方法若与数据分布或业务逻辑不匹配，反而引入新偏差。
离群值会直接扭曲模型学习到的数据分布，不是“影响一点”，而是让模型把异常当成规律去拟合。
训练时均值和方差被严重拉偏
线性回归、逻辑回归、KMeans 等算法严重依赖数据的中心趋势和离散程度。一旦存在极端值，np.mean() 和 np.std() 就不再反映主体分布：
- 一个
1000混在[1, 2, 3, ..., 10]中，会让均值从5.5跳到~91 -
sklearn.cluster.KMeans的初始质心可能直接落在离群点附近，导致聚类完全失效 - 树模型虽抗噪强，但若离群点集中在某类标签下（如欺诈样本全带极高交易额），
feature_importance会被错误放大
评估阶段指标失真，掩盖真实问题
用含离群值的测试集算 RMSE 或 F1，结果既不能反映模型对正常样本的表现，也无法预警线上异常场景：
-
RMSE对大误差平方敏感——单个离群预测误差从5变成500，RMSE 增幅远超其他所有样本贡献之和 - 分类任务中，若测试集混入未见过的离群模式（如新类型攻击流量），
accuracy可能虚高，但precision在关键类上崩塌 - 交叉验证若未在每折内独立做离群处理，
cv_results会系统性乐观
不同检测方法对后续建模的隐性约束
选错检测方式，等于给模型预设了错误假设：
- 用
zscore处理明显右偏的收入数据，会漏掉大量高位真实异常（因正态假设不成立） - 对高维稀疏特征（如用户行为 one-hot 向量）直接跑
IsolationForest，contamination参数稍调高就吞掉整类长尾行为 -
DBSCAN的eps和min_samples若按欧氏距离调参，而实际业务距离应是 Jaccard 或编辑距离，检测结果与业务异常脱节
真正要警惕的不是“有没有离群值”，而是“离群值是否携带业务信号”——金融里的大额转账可能是欺诈，也可能是企业结款；IoT 里的传感器尖峰可能是故障，也可能是启动瞬态。一刀切删除或 Winsorize 往往比保留更危险。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
