缺失值处理（边缘AI推理）
Missing Data Handling — Edge AI Inference
识别、标记与处理数据缺失：区分为"通信中断"、"传感器故障"、"主动剔除"与"未采集"。
01
定义
识别、标记与处理数据缺失：区分为"通信中断"、"传感器故障"、"主动剔除"与"未采集"。
02
公式与计算
缺失率 = 缺失样本数 / 应到样本数
连续性指标：最长连续缺失时长 T_gap
03
适用时机
所有时间序列入库前的必做步骤；缺失原因是判断数据可用性的关键。 部署到边缘 AI 推理盒（NPU/GPU 加速）时，需做模型量化（INT8）与算子裁剪，阈值与窗长按现场数据标定后固化。
04
关键参数
缺失原因分类、最长可容忍 gap、是否允许插补；边缘 AI 版本注意量化误差、推理时延与模型版本管理，异常需支持远程回滚。
05
注意事项
失效与边界SIYB 建议：不静默插补。缺失必须保留为缺失并标记原因，插补值应另设字段。 边缘 AI 实现需在目标算力上做推理时延与精度权衡测试，并保留原始数据上传通道供云端复核。
CLOSE
把 缺失值处理（边缘AI推理） 用起来
下一步
实际项目如何应用？
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
相关 SIYB 产品
正式参数、方案与商务资料以 xmsiyb.com 官网为准。
需要把技术判断落到项目？
进入行业应用与智能选型中心，获取场景设计、选型与实施参考。