时间序列预测

[mkbk-with-circle]

亲爱的作者您好！我想问一个比较简单的问题，就是我现在希望用一个(1000,165)的一整条时间序列去训练模型，并且尝试生成一个长度为n的形状为(n,165)的时间序列，请问我是不是需要在yaml文件中的test_dataset指定一个空的csv文件？然后在运行时使用mode为predict对吧？在yaml配置文件中还有什么要改的嘛？谢谢作者！！

[Y-debug-sys]

空的csv文件是指？训练数据是以什么形式导入的？

[mkbk-with-circle]

python main.py --name generate_data --config_file Config/my_config.yaml --gpu 0 --sample 1 --milestone 10 --mode predict --pred_len 1000 就是我现在有一个自己的csv文件，形状为（1000,165），然后我想把它作为输入去训练，上面是我输入的命令，但是好像在ouput里只有my_yaml_ground_truth_24_test.npy、my_yaml_ground_truth_24_train.npy、my_yaml_norm_truth_24_test.npy、my_yaml_ground_norm_24_train.npy这四个文件，我不知道生成的数据在哪里（关于“空的csv文件”，我的意思是我想用模型完全生成一个全新的时间序列，然后似乎该模型是在已有的某部分数据上进行生成？所以我在想如果要生成全新的时间序列是不是要让他的test_dataset为一个空的csv文件）

[Y-debug-sys]

不行，测试集得有历史信息用于预测，原代码按照 rate 划分数据集，现在你需要自己制作测试集：原始数据前n项去除，后接n项全0，得到测试数据。这需要对代码 数据集处理 ‘test’ 部分进行修改，谢谢。

[Y-debug-sys]

python main.py --name generate_data --config_file Config/my_config.yaml --gpu 0 --sample 1 --milestone 10 --mode predict --pred_len 1000

为什么 pred_len 是 1000 ？总长度不过 1000 而已，岂不是没有历史信息。

[mkbk-with-circle]

对，我就是希望训练完之后直接生成一个全新的时间序列

[mkbk-with-circle]

所以您的这个模型，是先用train_dataset进行训练，然后用test_dataset为历史信息再进行预测（最后在test_dataset后接上预测生成的数据直到长度为pre_leng），是这样吗？

[Y-debug-sys]

对，我就是希望训练完之后直接生成一个全新的时间序列

那为什么要选择预测，直接无条件生成不行吗？

[mkbk-with-circle]

是运行这个嘛： python main.py --name {name} --config_file {config.yaml} --gpu 0 --sample 0 --milestone {checkpoint_number} 我运行之后好像没找到生成的数据欸,只有my_yaml_ground_truth_24_train.npy和my_yaml_norm_truth_24_train.npy这两个

[mkbk-with-circle]

这是我运行的命令： python main.py --name gogogo --config_file Config/my_config.yaml --gpu 0 --sample 0 --milestone 10

[Y-debug-sys]

我运行之后好像没找到生成的数据欸,只有my_yaml_ground_truth_24_train.npy和my_yaml_norm_truth_24_train.npy这两个

不是 1000 长度吗？为什么是 24？生成结束会产生 ddpm_fake 开头的文件（生成数据在[0, 1]之间，未作逆归一化，逆归一化见 Readme.md）。

[mkbk-with-circle]

抱歉，我在yaml配置文件中还未修改长度（以及我想再次确认一下，该长度是通过修改train_dataset中的window变量来控制对吧？）我在结束时并没有生成ddpm_fake底层文件，应该是因为我把模型的auto_norm设置为了false，然后取消了预处理中的归一化，这是因为我的原始csv数据其实是另一个模型的预处理后的数据因此我舍弃了Diffusion-TS中的预处理，那我是不是用类似保存ddpm_fake的方法把未进行归一化的samples保存下来就是生成的数据了？

[Y-debug-sys]

那我是不是用类似保存ddpm_fake的方法把未进行归一化的samples保存下来就是生成的数据了？

生成结束后 画图 确认数据分布无误就行，谢谢。

[mkbk-with-circle]

好的太感谢了！然后抱歉最后再问一个问题🥺我现在的ddpm_fake是(2001, 24, 165)这样形状的，我想要生成(n,165)这样的该咋调呢🥺🥺🥺

[Y-debug-sys]

什么意思？直接把 24 改成 n 训练不就行了吗？是要可变长度生成吗？

[mkbk-with-circle]

emmm前面那个2001是生成的形状为(24,165)的时间序列的数量吗？！表情我不是要可变生成，我只是没有彻底搞清楚模型，不知道（2001,24,165）中前两个数字代表的含义x 抱歉！

[Y-debug-sys]

不知道（2001,24,165）中前两个数字代表的含义x 抱歉

这里是指生成了 2001 个大小为 (24, 165) 的序列。

[mkbk-with-circle]

好的，然后前面的问题我再确认一下，就是model.params.seq_length就是我想要生成的时间序列长度，而dataloader.train_dataset.params.window是训练时将初始完整时间序列分割后的时间序列长度对吧？这二者不需要相同对吗？

[Y-debug-sys]

你好，需要相同。

[mkbk-with-circle]

哦好滴！我的问题都解决啦！实在是感谢！！！第一次上手做科研能遇到您很幸运！