检测异常值的4种方法和R语言时间序列分解异常检测什么是异常值？异常值是如何出现的？异常值的类型有哪些？为什么识别异常值很重要？如何检测异常值？如何处理异常值？anomalize异常检测工作流程时间序列分解异常检测异常下限和上限预测结论
太少的条柱可以隐藏一些模式，太多的条柱会夸大小的、可接受的数据更改的价值。例如，如果您有一个表示人身高的要素，并且其中一个观测值包含一个字符串，而不是一个字符串，其奇怪值如 = “abc cm”，并且由于高度不能包含此类值，因此可以安全地将其删除。但是，并非所有ML工作都受到异常值的影响，对于某些算法，您可以安全地忽略它们。例如，由于全球经济危机，一个国家的经济表现急剧下降，一段时间内较低的利率成为常态。根据异常值的性质，您可以保留它们或排除它们，例如，在实验错误的情况下，您希望删除它们。
