zezhishao
commented
3 months ago 一般来说，一个未经过采样和预处理的数据集可以表示为[N, L, 1]的矩阵。其中N是时间序列的数量，L 是总长度，1 值时间序列记录的值。一般来说我们的目标就是预测这个 1。 但许多模型在预测的时候，需要使用额外的日期特征，例如 time in day、day in week、day in month、day in year 等等。所以常用的设置是通过数据预处理把这些 feature 加进去。例如，假如把上面四个 feature 全部加入，那么预处理之后的完整数据是[N, L, 5]。其中，第一维是我们想要预测的内容，后面的几个维度都是辅助特征。 FORWARD_FEATURES=[0, 1]代表选择前两个维度，即[value, time in day]这两个特征。 TARGET_FEATURES=[0]代表着目标是预测第一维特征（会根据这个取数据，计算 loss）。 具体的使用位置在：https://github.com/zezhishao/BasicTS/blob/master/basicts/runners/runner_zoo/simple_tsf_runner.py。
作者您好，想请教关于数据集配置中 GWnet模型下面PEMS04文件的配置中包含以下两个参数 CFG.MODEL.FORWARD_FEATURES = [0, 1] CFG.MODEL.TARGET_FEATURES = [0] 其中PPEMS04数据集处理的时候生成的数据形状为最后的特征维度为1，但是使用GWnet模型的输入特征维度为2，为什么数据集处理后为1，但是CFG.MODEL.FORWARD_FEATURES = [0, 1]设置为前两个维度的特征，就可以输入2个特征维度的数据。该参数作用于哪部分？ 希望您能解答我的困惑！！