首页
/ NeuralForecast中使用AutoTiDE模型时DataFrame格式问题的解决方案

NeuralForecast中使用AutoTiDE模型时DataFrame格式问题的解决方案

2025-06-24 09:05:49作者:薛曦旖Francesca

问题背景

在使用NeuralForecast库中的AutoTiDE模型进行时间序列预测时,许多开发者会遇到一个常见的错误:"AttributeError: 'DataFrame' object has no attribute 'temporal_cols'"。这个问题通常发生在直接使用Pandas DataFrame作为输入数据时,而实际上NeuralForecast对数据格式有特定的要求。

错误原因分析

从错误信息可以看出,程序试图访问DataFrame的temporal_cols属性,但该属性并不存在。这是因为:

  1. NeuralForecast期望数据以特定的格式组织,而不是普通的Pandas DataFrame
  2. 直接使用DataFrame时,模型无法识别哪些列是时间特征、哪些是目标变量
  3. AutoTiDE等模型需要数据通过NeuralForecast的专用接口进行处理

正确使用方法

要正确使用AutoTiDE模型,需要遵循以下步骤:

  1. 数据准备:确保数据包含时间列(ds)和目标列(y)
  2. 模型初始化:创建AutoTiDE实例
  3. NeuralForecast包装:将模型包装在NeuralForecast实例中
  4. 模型训练:使用NeuralForecast的fit方法进行训练

代码示例

import numpy as np
import pandas as pd
from neuralforecast import NeuralForecast
from neuralforecast.auto import AutoTiDE

# 1. 准备数据
dataset = pd.read_csv('BTCUSDT_5m.csv')
dataset['ds'] = pd.to_datetime(dataset['timestamp'])
dataset['y'] = dataset['close']  # 假设我们预测收盘价
dataset = dataset[['ds', 'y']]  # 至少需要这两列

# 2. 初始化模型
config = dict(max_steps=2, val_check_steps=1, input_size=12)
model = AutoTiDE(h=3, num_samples=10, cpus=1, config=config)

# 3. 创建NeuralForecast实例
nf = NeuralForecast(models=[model], freq='5min')

# 4. 训练模型
nf.fit(df=dataset)

# 5. 预测
y_hat = nf.predict()

关键注意事项

  1. 数据列名:必须包含'ds'(时间戳)和'y'(目标变量)列
  2. 频率设置:在NeuralForecast初始化时需要指定正确的频率(如'5min')
  3. 多变量支持:如果需要使用其他特征,可以保留在DataFrame中,但需要确保模型配置正确
  4. 数据清洗:确保没有缺失值,时间序列是连续的

高级用法

对于更复杂的场景,如使用外部变量:

# 包含外部变量的例子
dataset = dataset[['ds', 'y', 'open', 'high', 'low', 'volume']]

# 配置模型使用外部变量
model = AutoTiDE(h=3, 
                num_samples=10, 
                cpus=1, 
                config=config,
                futr_exog_list=['open', 'high'],  # 未来已知的外部变量
                hist_exog_list=['volume'],  # 历史外部变量
                stat_exog_list=['low'])  # 静态外部变量

nf = NeuralForecast(models=[model], freq='5min')
nf.fit(df=dataset)

总结

NeuralForecast库提供了强大的时间序列预测能力,但使用时需要注意其特定的数据格式要求。通过将模型包装在NeuralForecast实例中,并正确配置数据格式,可以避免"temporal_cols"属性错误,顺利实现时间序列预测任务。对于初学者来说,从简单的单变量预测开始,逐步扩展到多变量和复杂场景是一个推荐的学习路径。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
RuoYi-Vue3RuoYi-Vue3
🎉 (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
867
513
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183
openHiTLSopenHiTLS
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
265
305
HarmonyOS-ExamplesHarmonyOS-Examples
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
371
CangjieCommunityCangjieCommunity
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开源商城ShopXO开源商城
🔥🔥🔥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
note-gennote-gen
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-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57
GitNextGitNext
基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3