Missing-Data
如何處理卡爾曼濾波器中的不完整數據？
在卡爾曼濾波器中處理不完整數據的一些典型方法是什麼？我說的是觀察向量的某些元素的情況丟失，與整個觀察到的向量的情況不同錯過了。另一種思考方式是維度每個時間點觀察到的向量是不同的。
為了進一步解釋我的上下文，觀察是在每個時間點執行的邏輯回歸的估計參數。雖然每個邏輯回歸都包含相同的協變量，但有時由於該時間點數據的共線性，估計值未定義。
所需要的只是有一個可變的觀察矩陣，即在觀察方程中：
矩陣（和) 應省略 time對應於
NA條目的行. 例如，R 中的大多數包都會處理這個問題：您可以擁有觀察到的多元時間序列，其NA值沒有問題。