使用 LSTM 网络编码时间序列预测

Question

我有一个大数据集，其中包含以下形式的条目：

user_id, measurement_date, 值 1, 值 2,..

随之而来的挑战是如何处理数据中的差距。 测量是随机进行的，因此总会有更小和更大的差距。

此处处理缺失数据的最佳方法是什么。

我正在考虑以下方法：

• 对于所有不存在的测量，使用一个特殊的向量。 （这会导致不切实际的训练数据，因为非测量的条目接管了）
• 与上面类似，但将多个非测量值分组到一个向量中，例如。引入一个表示未进行测量的天数的向量。

我现在的问题是最好的编码方式是什么。

目前 LSTM 网络以未编码输入向量的形式获得输入：

vector1, vector2,..

向量包含值。

但是现在当我引入新符号时：

  s1 := <=3 days no measurement taken
  s2 := <=7 ..

我会对它们进行热编码。

是否最好引入一个区分两种词类型的前缀？

例如

 1 vector -> 1, value1, value2
 0 vecotr -> 0, 0, 1 (s1)
          -> 0, 1, 0 (s2)

Answer 1

实际上，这两种方式都不可能对其进行编码。