基于进化学习的时序缺失值自动数据驱动填补方法
机器学习
2021-07-21 v2
摘要
本文提出一种自适应的基于数据驱动模型的时序缺失值填补方法。该方法基于复合数据驱动模型最优结构的自动进化识别，可在无需数据科学家参与的情况下，针对特定数据集自适应调整模型以实现有效填补。作为案例研究，使用了来自不同领域（环境、经济等）的合成与真实数据集。实验证实，所提方法能实现更高质量的缺失恢复并提升预测模型的有效性。
引用
@article{arxiv.2103.01124,
title = {Automated data-driven approach for gap filling in the time series using evolutionary learning},
author = {Mikhail Sarafanov and Nikolay O. Nikitin and Anna V. Kalyuzhnaya},
journal= {arXiv preprint arXiv:2103.01124},
year = {2021}
}
备注
The approach to experiments has been revised from the last text version. Additional experiments were performed on new time series