LIFE：面向含缺失值多元时间序列预测的个体特征学习
机器学习
2023-05-11 v2 人工智能
摘要
多元时间序列（MTS）预测在现实领域中无处不在，但MTS数据常含有缺失值。近年来，使用端到端模型处理含缺失值的MTS日益受到关注。为生成预测特征，现有方法要么合并MTS的所有输入维度，要么独立处理每个输入维度。然而，这两种方法都难以表现良好，因为前者通常产生许多不可靠特征，而后者缺乏相关信息。本文提出一种学习个体特征（LIFE）框架，为含缺失值的MTS预测提供了新范式。LIFE利用相关维度作为辅助信息并抑制含缺失值的不相关维度的干扰，从而生成可靠的预测特征。在三个真实数据集上的实验验证了LIFE相对于现有最先进模型的优越性。
引用
@article{arxiv.2109.14844,
title = {LIFE: Learning Individual Features for Multivariate Time Series Prediction with Missing Values},
author = {Zhao-Yu Zhang and Shao-Qun Zhang and Yuan Jiang and Zhi-Hua Zhou},
journal= {arXiv preprint arXiv:2109.14844},
year = {2023}
}