处理 RNN / LSTM 中的缺失数据（时间序列）答案

【问题标题】：Handling Missing Data in RNN / LSTM (Time-Series)处理 RNN / LSTM 中的缺失数据（时间序列）
【发布时间】：2017-09-26 14:05:33
【问题描述】：

正如标题所示，我有一个时间序列数据集，并且有很多缺失的数据。对于 LSTM 模型，处理此问题的最佳方法是什么？

为了提供更多详细信息，我有大约五个数据源来创建数据集，其中一些不允许我获取历史数据，因此我在该源中缺少很多功能。我可以使用最近观察到的样本填写一些内容，但在大多数情况下这是不可能的。

我看到的一些建议是：

但总而言之，我觉得我会失去很多数据完整性。这通常是如何处理的/在 LSTM 模型中对此进行调整的最佳方法是什么？

我正在使用 Python / Keras / TensorFlow。

【问题讨论】：

【解决方案1】：

也许模型顶层的masking 会有所帮助。

对于输入张量中的每个时间步（张量中的第 1 维），如果该时间步中输入张量中的所有值都等于 mask_value，则该时间步将在所有下游层中被屏蔽（跳过）（只要因为它们支持遮罩）。

【讨论】：