首页
/ NeuralForecast中如何获取验证损失曲线

NeuralForecast中如何获取验证损失曲线

2025-06-24 12:39:06作者:薛曦旖Francesca

在时间序列预测项目中,监控模型训练过程中的损失变化是评估模型性能的关键步骤。本文将详细介绍在使用Nixtla的NeuralForecast库时,如何正确获取和可视化训练过程中的验证损失曲线。

问题背景

许多用户在训练TSMixerx等时序模型时发现,虽然可以轻松获取训练损失(train_loss_step),但验证损失(valid_loss_step)的信息却难以获取。这给模型性能监控和过拟合检测带来了困难。

解决方案

1. 确保设置验证集

首先,必须在模型训练时明确指定验证集的大小。这是获取验证损失的前提条件:

# 在调用fit方法时设置val_size参数
nf.fit(df, val_size=100)  # 保留100个时间步作为验证集

2. 获取损失轨迹数据

训练完成后,可以通过模型的train_trajectoriesvalid_trajectories属性获取完整的损失轨迹:

# 获取训练和验证损失数据
model = nf.models[0]
train_loss = model.train_trajectories  
valid_loss = model.valid_trajectories

3. 可视化损失曲线

将获取的损失数据转换为DataFrame后,可以方便地进行可视化:

import pandas as pd
import matplotlib.pyplot as plt

# 训练损失可视化
train_df = pd.DataFrame(train_loss, columns=['step', 'loss'])
plt.plot(train_df['step'], train_df['loss'])
plt.title("训练损失曲线")
plt.xlabel("训练步数")
plt.ylabel("损失值")
plt.show()

# 验证损失可视化
valid_df = pd.DataFrame(valid_loss, columns=['step', 'loss']) 
plt.plot(valid_df['step'], valid_df['loss'])
plt.title("验证损失曲线")
plt.xlabel("验证步数")
plt.ylabel("损失值")
plt.show()

深入理解

验证频率设置

在模型初始化时,可以通过val_check_steps参数控制验证的频率:

model = TSMixerx(
    # 其他参数...
    val_check_steps=100,  # 每100步进行一次验证
    # 其他参数...
)

损失函数选择

NeuralForecast支持多种验证损失函数,如MAE、MSE等:

from neuralforecast.losses.pytorch import MAE, MSE

model = TSMixerx(
    # 其他参数...
    valid_loss=MAE(),  # 使用平均绝对误差作为验证指标
    # 其他参数...
)

最佳实践建议

  1. 合理设置验证集大小:验证集应足够大以代表数据分布,但又不能影响训练数据量
  2. 监控双损失曲线:同时观察训练和验证损失,可以及时发现过拟合或欠拟合
  3. 调整验证频率:对于大数据集,可以适当增加验证间隔以提高训练效率
  4. 多指标监控:除了损失函数,还可以监控其他评估指标如RMSE、MAPE等

通过以上方法,用户可以全面掌握模型在训练过程中的性能变化,为模型调优提供有力依据。

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++
179
263
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
871
515
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
131
184
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
346
380
Cangjie-ExamplesCangjie-Examples
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
334
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
31
0
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
1.08 K
0
kernelkernel
deepin linux kernel
C
22
5
WxJavaWxJava
微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
603
58