NRTSI：非递归时间序列插补
机器学习
2021-05-28 v3
摘要
时间序列插补是理解含缺失数据时间序列的一项基础任务。现有方法要么不能直接处理非等间隔采样数据，要么在稀疏观测数据下性能严重退化。本工作中，我们将时间序列重新表述为置换等变的集合，并提出一种新颖的插补模型NRTSI，其不施加任何递归结构。利用置换等变表述的优势，我们设计了一个原则性且高效的分层插补流程。此外，NRTSI可直接处理非等间隔采样时间序列、执行多模态随机插补，并处理具有部分观测维度的数据。经实验验证，我们在广泛的时间序列插补基准上表明NRTSI达到了最先进的性能。
引用
@article{arxiv.2102.03340,
title = {NRTSI: Non-Recurrent Time Series Imputation},
author = {Siyuan Shan and Yang Li and Junier B. Oliva},
journal= {arXiv preprint arXiv:2102.03340},
year = {2021}
}
备注
Codes available at https://github.com/lupalab/NRTSI