Machine learning 使用相似时间序列估算时间序列
我有一个问题，我有很多关于恒温器1年记录的数据，每小时它都会给我那个家庭的平均温度。但是很多数据是不可用的，因为他们只是在今年中安装了恒温器，或者他们把恒温器放了一个星期或…但是这些恒温器的很多数据实际上是相似的。我想做的是使用类似的时间序列来插补缺失的数据 假设A房子在7月份才开始，但是从那里开始，他们和B房子非常相似，我想用B房子的信息来预测A房子7月份之前的数据 我曾考虑训练一个递归神经网络，可以为我做到这一点，但我不是舒尔。我在搜索论文时，他们几乎只在多年的数据集上工作，并使用前几年的数据插补数据。我没有这个数据，所以这不是一个选项Machine learning 使用相似时间序列估算时间序列,machine-learning,time-series,missing-data,forecasting,imputation,Machine Learning,Time Series,Missing Data,Forecasting,Imputation,我有一个问题，我有很多关于恒温器1年记录的数据，每小时它都会给我那个家庭的平均温度。但是很多数据是不可用的，因为他们只是在今年中安装了恒温器，或者他们把恒温器放了一个星期或…但是这些恒温器的很多数据实际上是相似的。我想做的是使用类似的时间序列来插补缺失的数据 假设A房子在7月份才开始，但是从那里开始，他们和B房子非常相似，我想用B房子的信息来预测A房子7月份之前的数据 我曾考虑训练一个递归神经网络，可以为我做到这一点，但我不是舒尔。我在搜索论文时，他们几乎只在多年的数据集上工作，并使用前几年的数
有没有人知道如何解决这个问题，或者有没有我可以用来解决类似问题的参考资料？据我所知，您希望使用横截面数据而不是时间序列信息来插补数据 实际上，在R中有相当多的插补包可以为您实现这一点。（如果您使用的是R） 你需要等间距的数据。因此，每小时1个值，如果不存在，则需要NA。理想情况下，你有多个相等长度的时间序列 然后根据时间戳/小时合并这些时间序列
之后，您可以使用一行代码应用插补包，例如
鼠标密斯林插补器之后，您可以使用一行代码应用插补包，例如
鼠标密斯林插补器