您是否考虑过使用马氏距离？它可以被认为是多维 Z 分数的大小。

我更喜欢查看马氏距离的方式是多元正态分布指数的平方根。这类似于 Z 分数，它是应用平方之前的单变量正态分布的指数。这两者之间的一个很大区别是 Z-score 是有符号的，而 Mahalanobis 距离是无符号的，这对于查找异常值并不重要。

我知道你没有正态分布的数据，但有时假装你的数据是正态分布的可能会有很好的结果，所以使用马氏距离可能值得研究。

因为您的数据是正态分布的（高斯），您可以轻松地尝试用您想要的语言实现 coursera mooc 中的这个算法： https ://class.coursera.org/ml-005/lecture/91

如果您确定要查找的内容，则可以使用 Z 分数。它也可以只是在使用一些 ML 之前转换数据的一种方式。请注意，Z 分数适用于正态分布的数据（您说的情况并非如此）。还要注意，在 3 维中查找异常值并不像在 1 维中查找 3 次异常值那么简单。您应该以 3D 形式绘制数据，并尝试找出可能存在异常值的位置。

否则，一类 SVM 非常擅长异常/异常值检测。看看这里的介绍。此外，任何聚类算法都可能有助于获得更好的洞察力。例如， DBSCAN可以帮助您根据数据的密度找到集群。