【发布时间】:2014-09-05 05:06:25
【问题描述】:
在 R 中检测业务销售数据中的异常值(这意味着可能存在趋势和季节性)需要哪些步骤?
我了解了 ACF、PACF、残差、ARIMA 模型(基本上是时间序列分析和建模)。我可以使用这些知识来帮助我识别异常值吗?
是否也可以要求 R 查明哪个数据点是异常值?
非常感谢。
【问题讨论】:
-
应该移到 stats.stackexchange.com
在 R 中检测业务销售数据中的异常值(这意味着可能存在趋势和季节性)需要哪些步骤?
我了解了 ACF、PACF、残差、ARIMA 模型(基本上是时间序列分析和建模)。我可以使用这些知识来帮助我识别异常值吗?
是否也可以要求 R 查明哪个数据点是异常值?
非常感谢。
【问题讨论】:
您可以查看 R 中可用的以下软件包。
R包forecast使用黄土分解时间序列来识别和替换异常值。
R 包tsoutliers 实现了Chen and Liu 过程以检测时间序列中的异常值。程序和实施的描述在附加到包的文档中给出。您可能还会看到this post。
【讨论】:
tsclean() '识别和替换时间序列中的异常值和缺失值' pkg.robjhyndman.com/forecast/reference/tsclean.html
tsoutliers() '识别和替换时间序列中的异常值' pkg.robjhyndman.com/forecast/reference/tsoutliers.html