作者，你好，请问反归一化后的fake.npy和ground_truth_train.npy进行可视化pca与t-sne的结果和未反归一化的结果差距比较大是为什么

Y-debug-sys / Diffusion-TS

[ICLR 2024] Official Implementation of "Diffusion-TS: Interpretable Diffusion for General Time Series Generation"

MIT License

184 stars 26 forks source link

Closed HIUZS closed 4 months ago

HIUZS commented 4 months ago

反归一化的结果可视化 d47a1b6a7bbf284f79b3cea80120d52 归一化的结果可视化 62640f1441d13d62eedf4d7aea7978d

Y-debug-sys commented 4 months ago

你好，能提供更多信息吗？我试了stock数据集，反归一化后没有非常大的性能下降。反归一化后，如下 stock stork_tnse stock_kernel 能提供Kernel分布图查看数据范围吗？谢谢。

HIUZS commented 4 months ago

未反归一化（fake与norm）反归一化(fake与ground)

Y-debug-sys commented 4 months ago

tnse比pca效果差很多，确定是同一批数据吗？

Y-debug-sys commented 4 months ago

我的猜测是两个原因，如下

前者可能性或许更大一点。

HIUZS commented 4 months ago

好的，谢谢。我有个问题这个曲线中生成数据的曲线一直这种形状，是什么原因

Y-debug-sys commented 4 months ago

你是不是把原来的85行的 unnormalize_to_zero_to_one 注释了

HIUZS commented 4 months ago

是的

Y-debug-sys commented 4 months ago

你好，请加上

HIUZS commented 4 months ago

问题解决了，非常感谢