如何处理目标训练数据中的缺失值？

Question

我想预测50个不同的分数，但是有些样本没有对全部50个分数进行测量。 如何为Keras提供一个掩码，以忽略y中的某些值？ 示例：

model = k.Sequential([
    k.layers.InputLayer(input_shape=(n_input_features,)),
    k.layers.Dense(units=n_targets, activation="linear"),
])
model.summary()

model.compile(
    optimizer='adam',
    loss='mse',
    metrics=['accuracy']
)

model.train_on_batch(
    batch.input,
    batch.target,
)

目标现在应使用一个布尔数组来屏蔽，该布尔数组表示是否存在值：

batch.target[target_is_present<boolean, shape: batch_size, n_targets>]

我已经找到keras.layers.Masking，但是我不确定这是否是正确的图层。 我将如何向其填充target_is_present数组？

Mean Squared Error损失函数如何识别被屏蔽的子集？