Kirk Borne

我不知道这是否是最常见的情况，但这是我看到时最担心的一种——仅仅使用插补来填补时间序列数据中的空白，而不去解决这些空白存在的真正原因，以及在这些相同时间空白期间还有哪些其他数据源可以用来阐明那些缺失期间可能发生的其他情况。不过 例如——想象一个实验的情况，其中监控摄像头图像序列中出现了一个空白，而这个空白“巧合地”发生在当地社区同时报告了其他可疑活动的时间。 我看到的另一个案例是在客户旅程建模中，通过数据填补（即使用假设）来填补空白，而不是使用事实。 那只是我个人的经历，不是对这个话题的全面评述。