经过采样得到这样一组数据[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,3,5,6,14,45,67,88,99,123,1111,2343]
这些数表示某件事情发生的次数，实际上这个数组长度是百万级别的。由于像 1，2，3 这种出现次数少的没有意义。所以要删除。现在问题是应该怎么样去找临界值。比如是应该把 10 以下的数不要了，还是把 100 以下的数不要。
This topic created in 2183 days ago, the information mentioned may be changed or developed.
Supplement 1 May 26, 2020
业务场景：寻找 ddos 攻击源。
那些数字可以看成某一个 ip 发送的 syn 包的数量。
真实数组中最小的只有 1，最大的 2400000 。
其中小于 10 的占比超过 2/3 。
所以问题就是找一个临界值，把多少一下的可以忽略。
那些数字可以看成某一个 ip 发送的 syn 包的数量。
真实数组中最小的只有 1，最大的 2400000 。
其中小于 10 的占比超过 2/3 。
所以问题就是找一个临界值，把多少一下的可以忽略。
 | 1 wysnylc May 26, 2020 你的业务我们怎么知道? |
 | 2 dolphintwo May 26, 2020 我帮你决定吧，把一万一下的不要了，比较清爽 |
 | 3 andy12530 May 26, 2020 25 分位数，75 分位 |
 | 4 across May 26, 2020 条件是不是少了 比如你数字都在 10000 以内，直接建个数组统计一遍就得了 |
 | 5 black11black May 26, 2020 百万级远没到计算机性能瓶颈，问了白问，我感觉你这个问题改成百亿级还有点讨论的价值。。 |
 | 6 JackieMe May 26, 2020 via Android 找个分布拟合一下，泊松分布二项分布什么的，然后切掉最小的 5%？ |
 | 7 dbw9580 May 26, 2020 via Android 时间序列？和滑动平均数比较 |
 | 8 Jooooooooo May 26, 2020 其实是找异常点, 建议你用四分法和 LOF 一起搞一下, 基本上就差不多了 |
 | 9 CopenhagenCat May 27, 2020 四分位距 IQR，可以尝试一下 |
Select Language