必要な入力材料とエネルギーを予測するためにAmazon SageMaker DeepARを使用する必要がありますが、ほとんどのトレーニングレコードにはターゲット値が欠落しており、データはJSONとして保存されています。DeepARのトレーニングで欠落しているターゲット値を処理するために、最も開発作業が少ないアプローチはどれですか？

Amazon SageMaker DeepARは、トレーニングデータセット内の欠損値をNaN（非数）として自動的に処理する機能があります。これにより、前処理の作業を最小限に抑え、モデルが欠損データを適切に学習できるようになります。線形回帰補完、前方補完、または系列の平均による置換は、追加のデータ前処理ステップが必要となり、開発作業が増加します。DeepARの組み込み機能を利用することが、最も効率的で開発作業の少ないアプローチです。