9.3 异常值检测

文档摘要

9.3 异常值检测 9.3 异常值检测时间序列数据中的异常值检测至关重要，因为它们可能由多种因素引起，包括数据采集错误、系统故障、自然事件或真正的异常行为。准确识别和处理异常值对于构建可靠的时间序列模型和做出明智的决策至关重要。 9.3.1 异常值的定义和类型在时间序列分析中，异常值是指与数据集中其他观测值显著不同的数据点。更具体地说，异常值是指不遵循时间序列数据预期模式或行为的观测值。异常值的类型：加性异常值 (Additive Outliers, AO): 仅影响单个时间点，不会对序列的后续值产生影响。可以将其视为一次性的冲击。革新性异常值 (Innovational Outliers, IO): 影响异常值发生的时刻以及之后的所有时刻。它会影响序列的自相关结构。