Kalman Filter with Missing Data
The Kalman filter with missing data extends the classical Kalman filter to handle time series in which some observations are absent. When an observation is missing at time t the update step is skipped and the state estimate is carried forward from the prediction step alone. Combined with the Expectation-Maximisation (EM) algorithm, the approach also estimates unknown model parameters from incomplete data, making it a practical tool for real-world irregularly observed series.
Kaynak kayıt
Alıntılar, yöntemin kaynak kaydından harfi harfine kopyalanmıştır. Bunlardan herhangi bir düzeyde doğrulama çıkarımı yapılmamıştır.
- Shumway, R. H. & Stoffer, D. S. (2000). Time Series Analysis and Its Applications. Springer. · ISBN 978-0387989501
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. · ISBN 978-0521405737
Derlenmiş iddialar
Her biri kendi değerlendirmesiyle birlikte kanıt defterine kaydedilmiş iddialar.
Bu görünüm, defterde hiç iddia olmadığında bir iddia değerlendirmesi icat etmez.
İlgili yöntemler
Yöntem grafiğinden oluşturulmuştur ve makine tarafından önerilen ilişkiler olarak gösterilir — herhangi bir kanıt iddiası çıkarımı yapılmamıştır.