在多元时间序列中,数据缺失的情况十分普遍。最近我在做这方面的literature review,在这里回顾总结一下 。
时间序列缺失值处理方法主要分为三大类:
第一类是直接删除法,该方法可能会舍弃数据中的一些重要信息;
第二类是基于统计学的填充方法,如均值填充,中值填充,常用值填充,但这类方法忽略了数据的时序信息;
第三类是基于机器学习的填充方法,常见的方法有基于KNN(K-Nearest Neighbor),RNN(Recurrent Neural Networks) ,EM(Expectation-Maximization)和矩阵分解(Matrix Factorization)的缺失值填充算法。然而,这类方法也很少考虑到两个相邻数据间的时序信息。
另外,分享一个超级棒的Github资源(点击这里),作者用代码实现了当前最主流的时间序列缺失值填充算法和预测算法。Trandim实现的主流算法
最后,不得不提的是,去年南开大学Yonghong Luo等人提出的用GAN来进行时间序列插值的算法 (发表于NIPS 2018 和IJCAI 2019)。他们提出的时间序列插值算法框架(E2GAN)如下所示
Generator本质上是一个降噪自编码器,输入的是一段含有缺失值的时间序列,生成一段相完整时间序列。判别器的loss分为两部分:squared error loss 和 discriminative loss,作用是使生成器生成的时间序列 (1) 和原始时间序列尽可能相似 (2) 尽可能真实 - 和generator输入的时间序列看起来