常見問題︰異常值檢測與處理
- 當特定日期存在極端異常值時 (例如，資料輸入錯誤、一次性促銷事件或意外的激增/下降)，機器學習模型如何確定其為異常值，以及如何處理預測用途？是忽略、平滑還是以特定方式合併？系統如何區分真正的異常值和真正但不尋常的資料點，應納入預測 (例如，成功晉升期間的正當高峰)？
- 系統不會區分真正的異常值和真正但不尋常的資料點「」。兩者都會納入預測，其影響程度取決於其持續時間和幅度。目前處理這些情況的方法是排程事件功能。機器學習會將所有歷史資料點視為有效資訊，用於預測未來趨勢。它沒有內建機制來區分由一次性錯誤結果的資料點(真正的異常值)，以及代表雖然罕見但真實的事件(合法高峰) 的資料點。產生預測時，系統會考量完整的歷史記錄。如果出現明顯的高峰或低谷，可能會影響後續期間的預測，尤其是在預測模型對近期資料敏感的情況下。若要防止不尋常的真實資料點影響整體預測，您可以使用排程事件功能。此工具可讓您手動將特定日期標記為受已知事件(如順利的宣傳活動、假日或全店特賣) 影響。識別為已知事件後，機器學習技術會在產生預測時給予該日期不同的加權，比對事件的加權較高，平均天數的加權較低。