Ausreißer-Erkennung von time-series data in R
Welche Schritte sind notwendig, um zu erkennen, Ausreißer in business-sales-Daten (das heißt, es könnte sein, trends und Saisonalität) in R?
Habe ich erfahren, ACF, PACF, Rest -, ARIMA-Modell (im Grunde, time series analysis und Modellierung). Kann ich dieses wissen nutzen, um mir helfen zu identifizieren, Ausreißer?
Ist es auch möglich, Fragen Sie R, um zu ermitteln, welche Stelle der Daten Ausreißer?
Danke Ihnen sehr.
Sollte verschoben werden stats.stackexchange.com
InformationsquelleAutor growth_hacker | 2014-07-15
Du musst angemeldet sein, um einen Kommentar abzugeben.
Können Sie einen Blick auf die folgenden Pakete zur Verfügung, in R.
Dem R-Paket
Prognose
verwendet Löss-ZERLEGUNG von Zeitreihen zu identifizieren und zu ersetzen Ausreißer.Dem R-Paket
tsoutliers
implementiert die Chen und Liu Verfahren zur Detektion von Ausreißern in den Zeitreihen. Eine Beschreibung des Vorgehens und der Umsetzung wird in der Dokumentation an das Paket angefügt. Sie können auch sehen,dieser Beitrag.tsclean()
'Identifizieren und ersetzen, Ausreißer und fehlende Werte in einer Zeitreihe' pkg.robjhyndman.com/forecast/reference/tsclean.htmltsoutliers()
'Identifizieren und ersetzen von Ausreißern in einer Zeitreihe' pkg.robjhyndman.com/forecast/reference/tsoutliers.htmlInformationsquelleAutor javlacalle