我试图了解 Amazon Forecast 使用我的历史销售数据创建需求预测所需的数据。我已经多次阅读文档。我仍然对相关时间序列中的“in_stock”字段应该如何运作感到困惑。这是我所指的“in_stock”字段描述的链接：
它说：
以下字段是可选的，可能有助于改进预测结果：
- in_stock (integer; 1=true, 0=false) – 指定商品是否有货的标志。
这个字段到底是什么意思？是不是只有在销售数量为0时才设置为0？换句话说，如果给定日期的销售数量为 0，并且 in_stock 设置为 0，那么系统知道销售为 0 是因为产品不可用，而不是因为没有需求。
如果产品在一天中途缺货怎么办。会不会是您可能有 in_stock = 0 但当天也有销售的情况？
我也很困惑这个 in_stock 字段在他们的另一篇文档中如何发挥作用：
在第 10 页，他们说：
在零售案例研究中，零售商售出零件可用商品的信息与售出零件不可用商品的信息不同，要么是在其存在之外的时期，例如在其推出之前或在其弃用之后，要么在存在的期间，例如部分缺货，或者在此时间范围内没有记录销售数据。默认零填充适用于前一种情况。在后者中，即使相应的目标值通常为零，在被标记为缺失的值中也会传递附加信息。您必须保留丢失数据的信息，而不是丢弃此信息（请参阅以下示例，了解保留信息为何重要的说明）。要将不表示可用产品的零销售额的值编码为真正缺失的值，Amazon Forecast 允许用户在 create_predictor API 的 FeaturizationConfig 参数的 FeaturizationMethodParameters 键中指定中间填充和回填的填充类型。要将值标记为真正缺失，这些参数的填充类型应设置为 NaN。与零填充不同，使用 NaN 编码的值被视为真正缺失，并且不用于度量评估组件。这些参数的填充类型应设置为 NaN。与零填充不同，使用 NaN 编码的值被视为真正缺失，并且不用于度量评估组件。这些参数的填充类型应设置为 NaN。与零填充不同，使用 NaN 编码的值被视为真正缺失，并且不用于度量评估组件。
这似乎表明，当产品缺货且没有销售时，这些行应标记为NaN，这有效地从数据集中删除了这些行。
我想我的问题归结为：
销售额为 0 且 in_stock = 0 的一天与销售额 = NaN 的一天之间有什么区别，后者有效地从数据集中删除了这一天？
当产品在一天中途缺货时，您会怎么做？in_stock = 0 并且仍然有给定日期的销售数据吗？