ImputeGAP：用于时间序列插值的综合性图书馆
机器学习
2026-01-23 v2 数据库
摘要
随着传感器故障的普及，插值（即估计缺失值）已成为时间序列数据预处理的基石。尽管已developed 诸多插值算法用于修复这些数据间隙，但现有时间序列图书馆提供的插值支持有限。此外，它们往往缺乏模拟真实时间序列缺失性状的能力，且未考虑插值数据对后续下游分析的影响。本文介绍 ImputeGAP，一个综合性的时间序列插值图书馆，支持多样化的插值方法和模块化缺失数据模拟，满足特征各异的数据集。该图书馆包含广泛的定制选项，包括自动超参数调优、基准测试、可解释性、下游评估以及与流行时间序列框架的兼容性。
引用
@article{arxiv.2503.15250,
title = {ImputeGAP: A Comprehensive Library for Time Series Imputation},
author = {Quentin Nater and Mourad Khayati},
journal= {arXiv preprint arXiv:2503.15250},
year = {2026}
}