利用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，value1，value2，..

出现的挑战是如何处理数据中的差距。 测量是随机进行的，因此总是会有较小的间隙和非常大的间隙。

这里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，使用特殊向量。 （这导致不实用的训练数据，因为非测量的条目接管）
• 与上述类似，但将多个非测量分组到一个矢量中，例如。引入一个向量，表示未进行测量的天数。

我现在的问题是对此进行编码的最佳方法是什么。

目前，LSTM网络以未编码的输入向量的形式获得输入：

vector1, vector2,..

向量包含值。

但现在当我产生新的符号时，如：

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

我会对它们进行热编码。

最好引入两种单词类型之间的前缀吗？

E.g。

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

Answer 1

实际上不可能以任何方式编码。