필요한 입력 재료와 에너지를 예측하기 위해 Amazon SageMaker DeepAR을 사용해야 하지만, 대부분의 훈련 레코드에 대상 값이 누락되어 있고 데이터는 JSON으로 저장되어 있습니다. DeepAR 훈련을 위한 누락된 대상 값을 처리하는 데 가장 적은 개발 노력이 필요한 접근 방식은 무엇입니까?

Amazon SageMaker DeepAR은 누락된 대상 값을 NaN(숫자가 아님)으로 인코딩하여 직접 처리할 수 있습니다. 이는 DeepAR의 내장된 기능으로, 추가적인 전처리나 복잡한 개발 노력 없이 모델이 누락된 데이터를 학습 과정에서 고려하도록 합니다. 선형 회귀, forward-fill, 또는 평균 대체와 같은 다른 방법들은 누락된 값을 추정하여 데이터에 인위적인 패턴을 도입할 수 있으며, 이는 모델의 정확도를 저하시킬 수 있습니다. 특히 DeepAR은 확률적 예측 모델이므로, NaN 처리가 가장 적절하고 개발 노력이 적게 듭니다.