我目前有大量数据将用于训练预测神经网络（美国主要机场的千兆字节天气数据）。我几乎每天都有数据，但有些机场的数据中存在缺失值。例如，机场在 1995 年之前可能不存在，因此在此之前我没有该特定位置的数据。此外，有些还缺少整年（可能跨度为 1990 年至 2011 年，缺少 2003 年）。
我该如何使用这些缺失值进行训练而不误导我的神经网络？我虽然用 0 或 -1 填充空数据，但我觉得这会导致网络预测某些输出的这些值。
我不是专家，但这肯定取决于您拥有的神经网络的类型？
神经网络的全部意义在于它们可以处理丢失的信息等等。
不过我同意，用 1 和 0 设置空数据并不是一件好事。
也许您可以提供一些有关您的神经网络的信息？
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
