常见问题：离群值检测和处理
- 如果在特定日期存在极端离群值（例如，数据输入错误、一次性促销事件或意外飙升/下降），机器学习模型如何确定其是否为离群值，以及如何处理该日期能否用于预测？公司是忽略、润色还是以其他特定方式整合？系统如何区分真正的离群值，还是在预测时应考虑的真实但异常的数据点（例如，成功晋升期间的合理高峰）？
- 系统不会区分真正的离群值和真正但异常的数据点。这两者都会被纳入预测，其影响取决于其持续时间和程度。当前处理这些情况的方法是使用排定事件功能。机器学习技术将所有历史数据点都视为可用于预测未来趋势的有效信息。它没有一种内置机制来区分一次性错误导致的数据点（真正的离群值）和代表真实事件（尽管很少见）的数据点（合理高峰）。生成预测时，系统会考虑完整的历史记录。如果出现显着的高峰或低谷，则可能会影响对后续期间的预测，尤其是在预测模型对近期数据比较敏感的情况下。为防止真实但异常的数据点影响一般预测，您可以使用时间表事件功能。此工具可让您手动将特定日期标记为受已知事件影响，例如成功晋升、节假日或全店促销。确定为已知事件后，机器学习时间将在生成预测时为该日期赋予不同的权重：匹配事件将获得较高的权重，而平均天数将获得较低的权重。