我正在寻找一些有关时间序列问题的信息。
我所掌握的是2008-2018年的土地利用数据。 每行看起来都是这样，其中每个值代表连续一年某个单元格的土地使用情况：
[1.0, 2.0, 1.0, 3.0, 3.0, 3.0, 3.0, 3.0, 3.0, 3.0, 3.0]
每个数字代表土地使用类型。
但是有时候看起来像这样：
[1.0, 2.0, 1.0, 3.0, 3.0, 3.0, NaN, 3.0, 3.0, 3.0, 3.0]
有时看起来像这样：
[1.0, 2.0, 1.0, 3.0, 3.0, 3.0, 8.0, 3.0, 3.0, 3.0, 3.0]
3.0级=茂密的森林， 8.0级=建成区
在NaN和土地用途转换不一致的情况下，我都想使用统计学习之类的方法来填充和校正我的观察结果，并得出可能基于先前和过去土地用途的土地用途类型。
现在，我已经建立了一个计分方案，对以前的土地用途和过去的土地用途类型进行评分（越接近缺失，权重就越大）。然后，针对缺失/不一致的值填写得分最高的土地使用类型。我仍在弄清楚如何测试该方案的性能。
在任何情况下，计分方案都是任意的，我想为我可以尝试的其他想法提供一些输入。我对python很好，但是还是机器学习和插补的初学者。
非常感谢您的想法！
答案 0 :(得分：2)
最好的方法可能不是使用统计学习
或者您可以尝试基于线性回归或基于时间序列的建模（arima，LSTM等），但是再次；我不确定这是最好的方法。您应该尝试凭经验评估结果。