Semasa proses penormalan dan penciptaan jujukan dalam konteks pembelajaran mendalam dengan rangkaian neural berulang (RNN) untuk ramalan mata wang kripto, pengendalian nilai yang hilang atau tidak sah adalah penting untuk memastikan latihan model yang tepat dan boleh dipercayai. Nilai yang hilang atau tidak sah boleh memberi kesan ketara kepada prestasi model, yang membawa kepada ramalan yang salah dan cerapan yang tidak boleh dipercayai. Dalam