Detalhes da implementação de imputação de dados para experimentos de séries temporais

As configurações de experiência utilizadas para a imputação de dados em experimentos de séries temporais.

Métodos de imputação de dados

Aplique um desses métodos de imputação de dados em configurações de experimento para fornecer valores omissos em um conjunto de dados

Métodos de imputação de dados para ensaios de classificação e regressão
Método de imputação	Descrição
FlattenIterative	Os dados da série temporal são primeiro achatados, em seguida, os valores omissos são imputados com o imputador iterativo Scikit-learn.
Linear	Método de interpolação linear é usado para imputar o valor em falta.
Cúbico	Método de interpolação cúbica é usado para imputar o valor em falta.
Prévio	O valor ausente é imputado com o valor anterior.
Avançar	Valor omisso é imputado com o próximo valor.
Preenchimento	O valor omisso é imputado usando o valor especificado pelo usuário, a média de amostra ou a mediana de amostra.

Configurações de entrada

Estes comandos são usados para suportar a imputação de dados para experimentos de séries temporais em um notebook.

Métodos de imputação de dados para experiências de séries temporais
Nome	Descrição	Valor	DefaultValue
use_imputation	Sinalizador para ligar ou desligar imputação.	true ou false	Sim
imputer_list	Lista de nomes de imputadores (sequências de caracteres) para procurar. Se uma lista não for especificada, todos os imputadores padrão serão procurados. Se uma lista vazia for transmitida, todos os imputadores serão procurados.	"FlattenIterative", "Linear", "Cubic", "Previous", "Fill", "Next"	"FlattenIterative", "Linear", "Cubic", "Previous"
imputer_fill_type	Categorias de imputador de "Fill"	"mean"/"median"/"value"	"valor"
imputer_fill_value	Um valor numérico único a ser preenchido para todos os valores omissos. Só se aplica quando "imputer_fill_type" for especificado como "value". Ignorado se "mean" ou "median" for especificado para "imputer_fill_type".	(Infinito Negativo, Infinito Positivo)	0
imputation_threshold	Limite para imputação. A relação de valor ausente não deve ser maior que o limite em uma coluna. Caso contrário, resulta em um erro.	(0, 1)	0.25

Notas para uso de use_imputation

Se o método use_imputation for especificado como True e os dados de entrada tiverem valores ausentes:
- imputation_threshold entra em vigor.
- candidatos a imputador no imputer_list seriam usados para procurar pelo melhor imputador.
- Se o melhor imputador for Fill, imputer_fill_type e imputer_fill_value forem aplicados; caso contrário, eles serão ignorados
Se o método use_imputation for especificado como True e os dados de entrada não tiverem valores omissos:
- imputation_threshold is ignored.
- os candidatos impugnadores em imputer_list são usados para pesquisar o melhor imputador. Se o melhor imputador for Fill, imputer_fill_type e imputer_fill_value são aplicados; caso contrário, eles são ignorados.
Se o método use_imputation for especificado como False , mas os dados de entrada tiverem valores ausentes:
- use_imputation é ativado com um aviso, em seguida, o método segue o comportamento para o primeiro cenário.
Se o método use_imputation for especificado como False , e os dados de entrada não tiverem valores omissos, nenhum processamento adicional será necessário

Por exemplo:

"pipelines": [
      {
        "id": "automl",
        "runtime_ref": "hybrid",
        "nodes": [
          {
            "id": "automl-ts",
            "type": "execution_node",
            "op": "kube",
            "runtime_ref": "automl",
            "parameters": {
              "del_on_close": true,
              "optimization": {
	          "target_columns": [2,3,4],
	          "timestamp_column": 1,
	          "use_imputation": true
              }
            }
          }
        ]
      }
    ]