在训练和预测过程中，我应该如何处理神经网络中的可变样本长度？

所以我的最终目标是用 Keras 构建一个模型，该模型可以根据输入的雷达数据预测油门或刹车百分比。 然而，我的雷达数据可以从任何地方到 1 点到 16 点（对象）都有自己的元数据（速度、横向位置等）。我的输入形状的一个示例是[[4.5, -2.2], [5.6, 1.1]]，它是每个列表中该对象的雷达轨迹、速度和横向位置的列表。

我知道对于分类问题，我们应该将这个缺失的数据设置为一个除了缺失数据之外从未使用过的类，尽管对于回归我有点困惑。如果我将缺失的数据设置为全零，模型应该如何区分零是一个点的速度，还是该点丢失了？

我的第一个想法是在所有点中引入一个新数据点并将其设置为 0 到 1，对应于该点是否为“真实”/要考虑的点。我只是不确定这是否是最好的方法。