多数据驱动的缺失插值

本文介绍了 KZImputer，这是一种用于单变量时间序列的新型自适应插值方法，旨在处理规模为 1-5 个缺失点（间隔）及更大范围的短至中等规模缺失数据。KZImputer 采用混合策略来处理各种缺失数据情形。其核心机制区分序列开头、中间或结尾处的间隔，针对每个位置应用量身定制的技术，以优化插值准确性。该方法利用线性插值和局部统计量，根据周围数据特征和间隔大小进行自适应。KZImputer 的性能已系统评估，对比已建立的插值技术，显示其有潜力提高后续时间序列分析的数据质量。本文详细描述了 KZImputer 的方法论，并讨论了其在提高时间序列数据完整性方面的有效性。经验分析表明，KZImputer 在缺失率约 50% 或更高的数据集上实现了尤为出色的性能，在统计和信号重构指标上保持稳定且具有竞争力的结果。该方法在高稀疏 regime 中尤为有效，而传统方法通常会出现准确度下降。