Closed sqy123qwer closed 2 years ago
已解决
请问是如何解决的呢,我在一些复现一些模型时也出现了masked_mape 百分之几百的情况,R2甚至都是负数,但是MAE和RMSE挺低的
AGCRN
请问是如何解决的呢,我在一些复现一些模型时也出现了masked_mape 百分之几百的情况,R2甚至都是负数,但是MAE和RMSE挺低的
AGCRN的话不应该,这个模型性能很好的。你是在哪些模型出问题呢,mape百分之几百, R2是负数,就是因为那个模型性能太差了。
56770-STResNet-NYCTAXI201401-201403_GRID-Mar-16-2023_10-52-16.log 58405-STGCN-PEMSD4-Feb-26-2023_15-56-52.log 您好,我是在跑这两个实验的时候遇到的,感觉最后的结果MAPE值有点奇怪,多步预测就是按照你们给的方法改的
def predict(self, batch):
x = batch['X'] # (batch_size, input_length, num_nodes, feature_dim)
y = batch['y'] # (batch_size, output_length, num_nodes, feature_dim)
y_preds = []
x_ = x.clone()
for i in range(self.output_window):
batch_tmp = {'X': x_}
y_ = self.forward(batch_tmp) # (batch_size, 1, num_nodes, output_dim)
y_preds.append(y_.clone())
if y_.shape[-1] < x_.shape[-1]: # output_dim < feature_dim
y_ = torch.cat([y_, y[:, i:i+1, :, self.output_dim:]], dim=3) #升
x_ = torch.cat([x_[:, 1:, :, :], y_], dim=1)
y_preds = torch.cat(y_preds, dim=1) # (batch_size, output_length, num_nodes, output_dim)
# print(y_preds.shape)
return y_preds
56770-STResNet-NYCTAXI201401-201403_GRID-Mar-16-2023_10-52-16.log 58405-STGCN-PEMSD4-Feb-26-2023_15-56-52.log 您好,我是在跑这两个实验的时候遇到的,感觉最后的结果MAPE值有点奇怪,多步预测就是按照你们给的方法改的
def predict(self, batch): x = batch['X'] # (batch_size, input_length, num_nodes, feature_dim) y = batch['y'] # (batch_size, output_length, num_nodes, feature_dim) y_preds = [] x_ = x.clone() for i in range(self.output_window): batch_tmp = {'X': x_} y_ = self.forward(batch_tmp) # (batch_size, 1, num_nodes, output_dim) y_preds.append(y_.clone()) if y_.shape[-1] < x_.shape[-1]: # output_dim < feature_dim y_ = torch.cat([y_, y[:, i:i+1, :, self.output_dim:]], dim=3) #升 x_ = torch.cat([x_[:, 1:, :, :], y_], dim=1) y_preds = torch.cat(y_preds, dim=1) # (batch_size, output_length, num_nodes, output_dim) # print(y_preds.shape) return y_preds
nyctaxi这个估计是因为性能本身就很差,一般stresnet都只看mae和mse指标,他论文就是这样。 pemsd4这个log看是你用了3维特征,流量、速度、占有率,一般论文只用流量数据,修改下config.json,只保留traffic_flow,应该会好一些。
56770-STResNet-NYCTAXI201401-201403_GRID-Mar-16-2023_10-52-16.log 58405-STGCN-PEMSD4-Feb-26-2023_15-56-52.log 您好,我是在跑这两个实验的时候遇到的,感觉最后的结果MAPE值有点奇怪,多步预测就是按照你们给的方法改的
def predict(self, batch): x = batch['X'] # (batch_size, input_length, num_nodes, feature_dim) y = batch['y'] # (batch_size, output_length, num_nodes, feature_dim) y_preds = [] x_ = x.clone() for i in range(self.output_window): batch_tmp = {'X': x_} y_ = self.forward(batch_tmp) # (batch_size, 1, num_nodes, output_dim) y_preds.append(y_.clone()) if y_.shape[-1] < x_.shape[-1]: # output_dim < feature_dim y_ = torch.cat([y_, y[:, i:i+1, :, self.output_dim:]], dim=3) #升 x_ = torch.cat([x_[:, 1:, :, :], y_], dim=1) y_preds = torch.cat(y_preds, dim=1) # (batch_size, output_length, num_nodes, output_dim) # print(y_preds.shape) return y_preds
nyctaxi这个估计是因为性能本身就很差,一般stresnet都只看mae和mse指标,他论文就是这样。 pemsd4这个log看是你用了3维特征,流量、速度、占有率,一般论文只用流量数据,修改下config.json,只保留traffic_flow,应该会好一些。
原来是这样,感谢感谢!
你好,我在用AGCRN模型在PEMSD4,和PEMSD8这两个数据集上跑的时候,实验结果出现了一些问题,MAPE指标本身值有问题之外还没有规律性,其他指标与原文也有较大的出入