【问题标题】:How to handle missing values for moving averages features in a time series problem?如何处理时间序列问题中移动平均特征的缺失值?
【发布时间】:2019-09-23 14:37:34
【问题描述】:

我正在尝试对缺失值的数据创建一些移动平均线。

在我看来,我有两个选择:

1) 我可以用最后一个已知值填充这些点。问题是,我认为这会破坏移动平均功能的完整性。

2) 我可以将这些值设置为 NaN。这导致移动平均线为 NaN。问题在于我不确定如何处理 NaN 功能。我可以用 0 填充 NaN,但 0 的移动平均线与未知移动平均线不同。

但选项似乎会导致一些完整性问题。有没有其他人遇到过类似的问题?

【问题讨论】:

  • 这里不是问这类问题的最佳场所。 Stack Overflow 更多地介绍了如何 使用代码进行此类工作。也许有更好的地方来问这些类型的问题?

标签: python pandas machine-learning missing-data moving-average


【解决方案1】:

您可以用移动平均值填充它们,直到 NaN(根据以前的值预测这些值)。 这是一种连续移动平均线。

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2019-04-22
    • 1970-01-01
    • 1970-01-01
    • 2016-04-05
    • 2019-06-26
    • 1970-01-01
    • 2020-05-29
    • 1970-01-01
    相关资源
    最近更新 更多