我有一个数据库，每天每小时都有对象的测量值。但是，一些数据丢失了，我没有所有小时的测量值。为了克服这个挑战，我使用了不同的插值方法来创建这个缺失的数据（使用 pandas）。所以现在我有几个带有这些插值方法的数据库，我只需要一个。
我的问题是如何确定哪种插值是最好的插值方法？
我研究过互联网，但主要是找到关于如何插入数据的解释，而不是如何选择最佳方法以及如何将其可视化。
寻找缺失观测值的最佳插值方法
数据挖掘
Python
熊猫
插值
2022-02-23 10:13:46
1个回答
想到的最基本的方法是拆分测试集：
获取您记录了所有变量的数据，您可能需要在另一组中推断这些变量，并拆分其中的一部分并“屏蔽”或隐藏您希望在此拆分中插入的变量（可能使用来自另一部分的数据如果您使用某种经过训练的插值，则为拆分）。
将您使用的不同插值方法的结果与最适合您的数据目的的指标（例如均方误差、平均绝对误差、逻辑损失，甚至可能）上的实际值（已取出）进行比较在数据集上训练的某些机器学习方法的结果）。
这样，您将找到最适合您的数据 + 问题的插值方法。
要记住的一件事是，您的掩码应该遵循与您的实际缺失数据相同的（如果有的话）模式：例如，如果它只发生在某些时间段内，那么您的掩码方法应该尽可能遵循该模式。