Fill Missing Data of Time Series
Các phương pháp để xử lý missing data
Có 2 cách chính:
- Nếu có dataframe của time series với nhiều variables tương quan với nhau thì dùng multivariate imputation như MICE package của R. Trong python cũng có các packages như miceforest, autoimpute và sklearn (InteractiveImputer).
- Sử dụng machine learning để forecast cho từng column của dataframe. Phương pháp này không quan tâm đến tương quan của các variables với nhau. Có thể sử dụng forward và backward forecast để cho kết quả tốt nhất. Sử dụng package như fedot. Tuy nhiên sẽ rất tốn thời gian.
Backlinks¶
No other pages link to this page.
Created : Aug 18, 2022
Recent Posts
- 2024-11-02: 🔐BUỔI 10 - Phân tích thị trường
- 2024-11-02: 🔐BUỔI 11 - Phân tích thị trường
- 2024-11-02: 🔐BUỔI 12 - Phân tích sóng tăng
- 2024-11-02: 🔐BUỔI 13 - Phân tích hỏi đáp
- 2024-11-02: 🔐BUỔI 14 - Yếu tố kiểm soát
- 2024-11-02: 🔐BUỔI 15 - Hỏi đáp
- 2024-11-01: 🔐BUỔI 6 - Ôn lại và bổ sung
- 2024-11-01: 🔐BUỔI 7 - Chiến thuật Trend
- 2024-11-01: 🔐BUỔI 8 - Công thức điểm vào lệnh
- 2024-11-01: 🔐K2023 - BUỔI 9 - Quy trình vào lệnh