首页
/ iTransformer项目中预测值与真实值的还原方法解析

iTransformer项目中预测值与真实值的还原方法解析

2025-07-10 16:58:55作者:柯茵沙

问题背景

在使用iTransformer项目进行时间序列预测时,用户经常会遇到一个问题:模型运行后生成的pred.npy和true.npy文件中包含负值,这与实际观测数据不符。这是因为在数据预处理阶段,模型通常会对原始数据进行标准化或归一化处理,导致预测输出也处于变换后的数值范围内。

数据预处理与逆变换

iTransformer项目中,数据在输入模型前通常会经过以下处理流程:

  1. 标准化处理:将原始数据减去均值并除以标准差,使数据服从标准正态分布
  2. 归一化处理:将数据缩放到[0,1]或[-1,1]区间

这些处理会导致模型输出的预测值(pred.npy)和对应的真实值(true.npy)都处于变换后的数值空间中,因此会出现负值或超出原始范围的值。

解决方案

iTransformer项目提供了简单的解决方案:在配置文件中设置--inverse参数。这个参数的作用是:

  1. 自动对模型输出进行逆变换
  2. 将预测值和真实值还原到原始数据尺度
  3. 确保最终保存的.npy文件中的数值与实际观测值范围一致

实现原理

当启用--inverse参数时,模型会:

  1. 记录训练数据集的统计信息(均值、标准差或最大最小值)
  2. 在预测阶段,使用这些统计信息对输出进行逆变换
  3. 应用与预处理相反的数学运算,如:
    • 对于标准化:原始值 = 预测值 * 标准差 + 均值
    • 对于归一化:原始值 = 预测值 * (max-min) + min

最佳实践

为了确保预测结果的可解释性,建议:

  1. 始终在评估阶段启用--inverse参数
  2. 检查逆变换后的数值是否在合理范围内
  3. 对比预测值与真实值的统计特性是否一致
  4. 对于长期预测任务,注意逆变换可能带来的误差累积问题

注意事项

  1. 确保训练和测试阶段使用相同的预处理参数
  2. 如果手动实现逆变换,需要准确记录预处理时的统计量
  3. 对于多变量预测,每个变量可能有不同的变换参数
  4. 某些复杂变换(如Box-Cox变换)需要特殊处理

通过正确使用逆变换功能,研究人员可以更直观地评估模型性能,并将预测结果直接应用于实际业务场景中。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
507
43
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
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
992
395
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
940
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
336
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70