FAQ: 外れ値の検出と処理
- 特定の日に決定的な外れ値が発生した場合 (データ入力エラー、1 回限りのプロモーションイベント、または予期しないサーベイ/ドロップなど) が発生した場合、機械学習モデルはそれを外れ値であるとどのように判断し、次のように処理しますか?予測目的で使用されますか?無視されるのか、円滑に移動するのか、あるいは特定の方法で組み込まれるのか、などの情報です。システムは、真の外れ値と、予測に組み込むべき真の意味で異常なデータ ポイント(たとえば、プロモーションが成功する期間の途中の使用など) をどのように区別するのですか?
- システムは、真の外れ値と、真の意味で異常なデータ ポイント ""を区別していません。どちらも予測に組み込まれており、その影響は期間や金額によって異なります。このような状況に対処する現在の手段は、スケジューリング イベントです。機械学習は、すべての履歴データ ポイントを将来の傾向を予測するための有効な情報として扱います。1 回のみエラーの結果であるデータ ポイント (真の外れ値) と、真の詳細なイベント(正味ゼロ) を示すデータ ポイントを区別するためのメカニズムが組み込まれていません。予測が生成される際には、システムの履歴全体が考慮されます。予測モデルが最新のデータに対して機密性が高い場合は特に、以降の期間の予測に大きな影響を与える可能性があります。真の意味で不自然なデータ ポイントで一般的な予測が混乱するのを防ぐため、スケジューリング イベントの機能を使用できます。このツールを使用すると、成功した昇進・昇格、休日、店舗全体での販売など、既知のイベントの影響を受ける特定の日付を手動で指定できます。既知のイベント ""として識別されると、ML はその日に対して異なる加重値を指定して予測を生成します。対応するイベントの加重値は大きくなり、平均日数はより加重値なります。