NeuralForecast项目中NHITS模型test_size参数的正确使用方法
2025-06-24 13:07:13作者:郁楠烈Hubert
在时间序列预测领域,Nixtla团队开发的NeuralForecast库因其高效的神经网络模型而广受欢迎。本文将深入探讨该库中NHITS模型的一个常见使用误区,帮助开发者正确设置验证集和测试集参数。
参数误解现象分析
许多开发者在阅读NHITS模型文档时,会注意到fit
方法似乎支持test_size
参数。然而在实际应用中,直接使用该参数会导致错误提示"unexpected keyword argument 'test_size'"。
这种现象源于对模型训练流程的误解。实际上,NeuralForecast的fit
方法设计理念是专注于模型训练和验证过程,而非测试阶段。测试集的评估应当放在训练完成后的预测阶段进行。
正确参数配置方案
NeuralForecast的fit
方法确实提供了val_size
参数用于设置验证集大小。验证集在训练过程中主要用于:
- 监控模型在未见数据上的表现
- 实现早停机制防止过拟合
- 进行超参数调优
对于测试集的设置,开发者应当采用以下两种推荐方式之一:
方法一:手动划分数据集
最直接的方式是在调用fit
方法前,将原始数据集明确划分为训练集和测试集:
# 假设原始数据有2000个时间点
train_df = df.iloc[:1257] # 前1257个点作为训练集
test_df = df.iloc[1257:] # 剩余743个点作为测试集
# 仅使用训练集进行模型训练
fcst.fit(train_df, val_size=200) # 从训练集中再划分200个点作为验证集
# 训练完成后对测试集进行预测
predictions = fcst.predict(test_df)
方法二:使用交叉验证
对于需要更严格评估的场景,可以使用库提供的交叉验证功能:
from neuralforecast.utils import cross_validation
cv_results = cross_validation(
df=full_dataset,
models=[model],
val_size=200,
test_size=743,
n_windows=3 # 进行3次交叉验证
)
参数选择建议
- 验证集大小:通常设置为总数据量的10-20%,对于长期预测任务可适当增大
- 测试集大小:应当等于或大于预测步长h,确保评估的可靠性
- 数据划分顺序:保持时间序列的连续性,切勿随机打乱时间顺序
模型训练最佳实践
- 监控验证集损失变化,合理设置早停耐心值
- 对于大规模数据,适当减小
batch_size
以避免内存溢出 - 使用GPU加速时可启用混合精度训练提升效率
- 考虑使用学习率调度器优化训练过程
通过正确理解NeuralForecast的设计理念和参数设置逻辑,开发者可以更高效地利用NHITS等先进模型解决实际时间序列预测问题。记住,测试集的评估应当作为模型开发流程的独立环节,而非训练过程的一部分。
登录后查看全文
热门项目推荐
- 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
- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
cherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端TypeScript045note-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。TSX02chatgpt-on-wechat
基于大模型搭建的聊天机器人,同时支持 微信公众号、企业微信应用、飞书、钉钉 等接入,可选择GPT3.5/GPT-4o/GPT-o1/ DeepSeek/Claude/文心一言/讯飞星火/通义千问/ Gemini/GLM-4/Claude/Kimi/LinkAI,能处理文本、语音和图片,访问操作系统和互联网,支持基于自有知识库进行定制企业智能客服。Python021
热门内容推荐
1 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析2 freeCodeCamp音乐播放器项目中的函数调用问题解析3 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 4 freeCodeCamp博客页面工作坊中的断言方法优化建议5 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析6 freeCodeCamp论坛排行榜项目中的错误日志规范要求7 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析8 freeCodeCamp课程页面空白问题的技术分析与解决方案9 freeCodeCamp课程视频测验中的Tab键导航问题解析10 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析
最新内容推荐
左手Annotators,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手controlnet-openpose-sdxl-1.0,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手ERNIE-4.5-VL-424B-A47B-Paddle,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手m3e-base,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手SDXL-Lightning,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手wav2vec2-base-960h,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手nsfw_image_detection,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手XTTS-v2,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手whisper-large-v3,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手flux-ip-adapter,右手GPT-4:企业AI战略的“开源”与“闭源”之辩
项目优选
收起

🎉 (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
706
459

React Native鸿蒙化仓库
C++
141
224

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
53
15

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
114
255

openGauss kernel ~ openGauss is an open source relational database management system
C++
102
159

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
302
1.04 K

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
1.02 K
0

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
363
355

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
531
45

① 行代码,实现自动化办公
Python
21
14