NeuralForecast中使用静态外生变量的正确方法
2025-06-24 13:00:16作者:邬祺芯Juliet
静态外生变量在时间序列预测中的应用
在时间序列预测领域,外生变量是提升模型预测精度的重要手段。NeuralForecast作为一款强大的时间序列预测库,支持使用历史外生变量(hist_exog)和静态外生变量(stat_exog)来增强模型性能。本文将重点介绍如何正确使用静态外生变量。
静态外生变量的特点
静态外生变量是指那些在时间序列预测中不随时间变化的特征。这类变量通常包括:
- 产品ID
- 店铺ID
- 地理位置信息
- 产品类别
- 其他固定属性
与历史外生变量不同,静态外生变量在整个时间序列中保持不变,它们代表了时间序列本身的固有属性。
常见错误与解决方案
许多用户在使用NeuralForecast时会遇到类似错误:"static exogenous variables not found in input dataset"。这通常是由于没有正确设置静态外生变量的数据格式导致的。
错误原因分析
- 数据格式不正确:试图将静态变量直接包含在主时间序列数据框中
- 变量类型问题:静态变量必须是数值类型
- 数据重复:为每个时间点都提供了静态变量值
正确实现方法
正确的做法是创建一个独立的数据框来存储静态外生变量,并通过static_df
参数传递给模型。
# 主时间序列数据框
data = pd.DataFrame({
'unique_id': [1] * 100,
'ds': pd.date_range(start='2023-01-01', periods=100, freq='D'),
'y': np.random.rand(100),
'hist_exog1': np.random.rand(100) # 历史外生变量
})
# 静态外生变量数据框
static_df = pd.DataFrame({
'unique_id': 1, # 与主数据框中的unique_id对应
'product_id': 305, # 静态变量1
'store_type': 2 # 静态变量2
}, index=[0]) # 只需要一行数据
# 模型配置
nhits = NHITS(h=10,
input_size=20,
hist_exog_list=['hist_exog1'],
stat_exog_list=['product_id', 'store_type'])
# 训练模型
nf = NeuralForecast(models=[nhits], freq='D')
nf.fit(df=data, static_df=static_df)
最佳实践建议
- 数据预处理:确保静态变量已转换为数值形式,必要时使用标签编码
- 变量选择:选择真正具有预测价值的静态变量,避免维度灾难
- 内存优化:静态数据框只需包含每个unique_id的一行记录
- 模型验证:通过交叉验证评估静态变量的实际贡献
总结
正确使用静态外生变量可以显著提升时间序列模型的预测性能。关键在于理解静态变量的特性,并以正确的格式提供给NeuralForecast模型。通过分离静态变量到独立数据框,并确保其数值化和简洁性,可以避免常见的错误,充分发挥模型的预测能力。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0313- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
868
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
272
311

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
373

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3