lyxmoo 回复 第1楼 的 yoyup： 看你的原始数据是什么。 这么说吧，可能不适合你的情况，互联网上的数据中，比如用户点击请求，如果从电信通道全抓过来后，最少丢弃95%, 因为很难分清哪些是用户点击，哪些是网页发起。
yoyup 回复 第4楼 的 lyxmoo：感谢版主回复。我是对用户需求做预测，预测的时候首先要对历史数据进行预处理，比如滤掉坏点，补齐缺失的点。比如对单个用户数据规模是10000的话，预处理的时候肯定有一部分的值要被改变，在滤掉坏点的时候采用滤波的形式，让坏点处的值被前后相邻数据的均值代替，但是对很多数据这么做的话，预测结果就没有实际意义。我的问题是，这一部分的处理占到百分之多少比较合适？我在处理过程中采用设置阈值的方法将这部分的值控制在百分之5左右，即10000个数据里最多只处理500个。
