search

zhouhaoyi / Informer2020

The GitHub repository for the paper "Informer" accepted by AAAI 2021.
Apache License 2.0
5.34k stars 1.11k forks source link

Informer预测效果不如LSTM的问题 #392

Open Admim123 opened 1 year ago

Admim123 commented 1 year ago

请问无论怎么调参，Informer模型在测试集上的预测性能都不如普通LSTM可能是什么情况啊？

image image 反归一化后的mse,mae,mape对比： LSTM：3.294，1.466，3.880 Informer: 4.708，1.743，4.925

arcanemagemmxyh commented 1 year ago

我跑自己的数据集也是这样 比简单的lstm性能都差挺多的 不知道是不是数据集的原因

Admim123 commented 1 year ago

我跑自己的数据集也是这样 比简单的lstm性能都差挺多的 不知道是不是数据集的原因 不知道有没有什么办法测试数据集是否适合这个算法

Admim123 commented 1 year ago

请问您有试过wth数据集吗？1600个站点的12个要素，这个csv二维的表格是如何表示不同站点之间的区别的啊？预测后的实际意义是什么呢？？单个地点的12个要素的在未来24小时的值吗？ 不好意思啊，我暂时还没有测试过WTH数据集，但是我查看了一下数据集好像也没有观察到哪里表现了1600站点。 关于预测后的实际意义这个问题我的看法跟您的一样，觉得应该是12个要素在未来24小时内的值，但是程序会根据MS和S的区别来区分是取所有预测值还是只取目标列。

Admim123 commented 1 year ago

您好，数据集发送给您了。关于实际价值我研究的物理背景与作者不太一样，我也不能评判是否有价值。而且我只是在相同数据集上使用Informer的预测结果与LSTM的预测结果进行对比，并没有结合，不知道您说的结合是什么意思？原文中有提到吗？

dspiderd commented 1 year ago

你好，你用的lstm的代码可以分享一下吗？（dtianmu@163.com）还有informer的画图代码，作者的链接我打不开，谢谢！

Admim123 commented 1 year ago

总结来说我认为我的问题是在于，需要通过哪些检验（例如周期性、相关性等）后才能知道自己的数据集更加试用于Informer模型而非LSTM？

Kai744 commented 1 year ago

看了您的图片，我也有一些疑问想要请教。可以明显看出您的预测结果与实际值有大半截都偏差在3℃以上，对于24H的二次网供水温度预测来说，LSTM和Informer的预测结果对于实际都没有太大的指导意义,。如果只是预测24H的一个结果是否会有这么大的偏差，有没有可能设置有些问题。而且您这个结果比较奇怪，为什么Informer的结果前面挺好的，后面又差那么多；LSTM与之相反。如果只是预测24H的趋势，最后的结果也不应该如此把。以上皆为愚见，我代码才跑通，还没用自己数据集测试，一点意见欢迎探讨。

6gujn commented 1 year ago

我跑自己的数据集也是这样 比简单的lstm性能都差挺多的 不知道是不是数据集的原因 不知道有没有什么办法测试数据集是否适合这个算法

我也存在这种情况，博主现在解决这个问题了么？ 已解决

dspiderd commented 1 year ago

你好，我想请教一下你informer模型的反归一化与预测步长的问题。看了你的预测图步长有4000，纵坐标实现了反归一化，想请教一下这两点是如何实现的，谢谢。

aanxud888 commented 1 year ago

代码里面考虑了特定时间的影响，比如周六周天，需要去除的吧

agl71 commented 1 year ago

@6gujn

我也存在这种情况，博主现在解决这个问题了么？ 已解决 我也有以上同样问题，请问是怎么解决的？能否邮件交流一下.我的邮箱:agula7@sina.com informer跑的结果请参照:https://github.com/zhouhaoyi/Informer2020/issues/381

NI4088 commented 1 year ago

你好，你用作对比的lstm的代码可以分享一下吗？（MANIxiaizhenzhu@outlook.com）

6gujn commented 1 year ago

抱歉

在 2022-11-22 11:18:48，"NI4088" @.***> 写道：

@.***）

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you were mentioned.Message ID: @.***>

6gujn commented 1 year ago

.708

数据长度和数据的细粒度问题，在同样长度下，数据粒度更细的时候，Informer预测结果会好很多。

cq-ywh commented 1 year ago

请问无论怎么调参，Informer模型在测试集上的预测性能都不如普通LSTM可能是什么情况啊？

image image 反归一化后的mse,mae,mape对比： LSTM：3.294，1.466，3.880 Informer: 4.708，1.743，4.925

能请教一下怎么反序列化的吗，我是用自己的数据结果好像很差，如果有lstm的话，能不能发我一下 1459585177@qq.com

NITEEY commented 1 year ago

可以分享一下lstm和infomer对比代码吗 178522757@qq.com

cq-ywh commented 1 year ago

作者没回消息  

程前 @.***

 

------------------ 原始邮件 ------------------ 发件人: @.>; 发送时间: 2023年2月1日(星期三) 晚上7:41 收件人: @.>; 抄送: @.>; @.>; 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392)

可以分享一下lstm和infomer对比代码吗 @.***

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.***>

yinshuisiyuan123 commented 1 year ago

我在PEMS数据集上跑，效果也不行，不如LSTM，难搞哦

Dyw08 commented 1 year ago

请问无论怎么调参，Informer模型在测试集上的预测性能力都不如普通LSTM可能是什么情况啊？

图像 图像 反归一化后的mse,mae,mape对比： LSTM：3.294，1.466，3.880 Informer：4.708，1.743，4.925

你好，您能分享下lstm和infomer对比代码吗 1278974426@qq.com

YUAN0620 commented 1 year ago

请问无论怎么调参，Informer模型在测试集上的预测性能力都不如普通LSTM可能是什么情况啊？

图像 图像 反归一化后的mse,mae,mape对比： LSTM：3.294，1.466，3.880 Informer：4.708，1.743，4.925

您好，冒昧打扰，能请教一下怎样操作实现反标准化输出吗？我那个纵坐标就是处于-1到1之间。谢谢。

Isimplydontkonw commented 1 year ago

请问怎么进行反归一化...

YUAN0620 commented 1 year ago

你好，我也有同样的问题，请问你有解决这个问题吗？希望可以交流一下，谢谢！

Isimplydontkonw commented 1 year ago

你好，我也有同样的问题，请问你有解决这个问题吗？希望可以交流一下，谢谢！

将parser.add_argument('--inverse', action='store_true', help='inverse output data', default=False)改为parser.add_argument('--inverse', action='store_true', help='inverse output data', default=True)就实现了反归一化，但是我informer模拟的效果没有经典方法ARDL好...

YUAN0620 commented 1 year ago

你好，我也有同样的问题，请问你有解决这个问题吗？希望可以交流一下，谢谢！

将parser.add_argument('--inverse', action='store_true', help='inverse output data', default=False)改为parser.add_argument('--inverse', action='store_true', help=' inverse output data', default=True)就实际发现了反归一化，但是我的线人模拟的效果没有经典方法ARDL好...

你好，感谢回复！这个参数我之前设置成了True，但是我训练出来的结果的纵坐标还是不是真实值，这是什么情况呢？

Neverzzj commented 1 year ago

请问无论怎么调参，Informer模型在测试集上的预测性能都不如普通LSTM可能是什么情况啊？

图像 图像反归一化后的MSE，mae，mape对比： LSTM：3.294，1.466，3.880 您好，可以分享一下LSTM对比的代码嘛？谢谢！1513003533@qq.com

2825354549 commented 1 year ago

请问无论怎么调参，Informer模型在测试集上的预测性能都不如普通LSTM可能是什么情况啊？

image image 反归一化后的mse,mae,mape对比： LSTM：3.294，1.466，3.880 Informer: 4.708，1.743，4.925

请问您方便分享一下informer与LSTm对比的代码？ 将非常感谢 邮箱：2825354549@qq.com

2825354549 commented 1 year ago

请问您方便分享一下informer与LSTm对比的代码？ 将非常感谢 邮箱：2825354549@qq.com

xykun1997 commented 10 months ago

请问您方便分享一下informer与LSTm对比的代码？ 将非常感谢 邮箱：913307971@qq.com

gfy6666 commented 10 months ago

请问您方便分享一下informer与LSTm对比的代码？ 将非常感谢 邮箱：2678975229@qq.com

ynning commented 10 months ago

请问您方便分享一下informer与LSTm对比的代码？ 将非常感谢 邮箱：2678975229@qq.com

请问您有了lstm的代码嘛？可以发我一份嘛？

agl71 commented 10 months ago

你好，现在LTSF领域有很多新技术，如Dlinera/Nlinear, PatchTST等，效果都是很好的。你可以参照一下。LSTM已经非常老了，已经没有价值了。另外LSTM是循环预测的，会有错误放大，以及训练模型复杂的问题，而Informer, Dlinear/Nlinera，patchTST，都是一次性预测，效果要好很多。 Informer在LTSF领域里地位很高，因为它使用了新的技术(ProbSparse)降低时间复杂度。但在我的测试中，它做短时间预测，精度不如LSTM高，但训练速度快。

以上， 祝好!

从 Windows 版邮件https://go.microsoft.com/fwlink/?LinkId=550986发送

发件人: @.> 发送时间: 2023年12月16日 20:29 收件人: @.> 抄送: @.>; @.> 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392)

请问您方便分享一下informer与LSTm对比的代码？ 将非常感谢 @.**@.>

请问您有了lstm的代码嘛？可以发我一份嘛？

― Reply to this email directly, view it on GitHubhttps://github.com/zhouhaoyi/Informer2020/issues/392#issuecomment-1858807097, or unsubscribehttps://github.com/notifications/unsubscribe-auth/ADC5OAFO25WBXSAUY4SVWVLYJWHYVAVCNFSM6AAAAAARSHTTOKVHI2DSMVQWIX3LMV43OSLTON2WKQ3PNVWWK3TUHMYTQNJYHAYDOMBZG4. You are receiving this because you commented.Message ID: @.***>

ynning commented 10 months ago

你好，真的很感谢您的回复！你可真是太好了。关于informer的使用，我还整不明白。真的太痛苦了，我的头一个比十个大。可以加个QQ或者微信，向你请教一下几个迷惑的点吗？

---原始邮件--- 发件人: @.> 发送时间: 2023年12月17日(周日) 上午8:57 收件人: @.>; 抄送: @.**@.>; 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392)

你好，现在LTSF领域有很多新技术，如Dlinera/Nlinear, PatchTST等，效果都是很好的。你可以参照一下。LSTM已经非常老了，已经没有价值了。另外LSTM是循环预测的，会有错误放大，以及训练模型复杂的问题，而Informer, Dlinear/Nlinera，patchTST，都是一次性预测，效果要好很多。 Informer在LTSF领域里地位很高，因为它使用了新的技术(ProbSparse)降低时间复杂度。但在我的测试中，它做短时间预测，精度不如LSTM高，但训练速度快。

以上， 祝好!

从 Windows 版邮件<https://go.microsoft.com/fwlink/?LinkId=550986&gt;发送

发件人: @.> 发送时间: 2023年12月16日 20:29 收件人: @.> 抄送: @.>; @.> 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392)

请问您方便分享一下informer与LSTm对比的代码？ 将非常感谢 @.**@.>

请问您有了lstm的代码嘛？可以发我一份嘛？

― Reply to this email directly, view it on GitHub<https://github.com/zhouhaoyi/Informer2020/issues/392#issuecomment-1858807097&gt;, or unsubscribe<https://github.com/notifications/unsubscribe-auth/ADC5OAFO25WBXSAUY4SVWVLYJWHYVAVCNFSM6AAAAAARSHTTOKVHI2DSMVQWIX3LMV43OSLTON2WKQ3PNVWWK3TUHMYTQNJYHAYDOMBZG4&gt;. You are receiving this because you commented.Message ID: @.***>

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.***>

Isimplydontkonw commented 10 months ago

抱歉我没有LSTM的代码，我之前时用的统计模型ARDL，ARDL在对于上下游流量预测的准确性要明显高于informer

周天鱼雷 @.***

 

------------------ 原始邮件 ------------------ 发件人: "zhouhaoyi/Informer2020" @.>; 发送时间: 2023年12月17日(星期天) 晚上7:43 @.>; @.**@.>; 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392)

你好，真的很感谢您的回复！你可真是太好了。关于informer的使用，我还整不明白。真的太痛苦了，我的头一个比十个大。可以加个QQ或者微信，向你请教一下几个迷惑的点吗？

---原始邮件--- 发件人: @.&gt; 发送时间: 2023年12月17日(周日) 上午8:57 收件人: @.&gt;; 抄送: @.**@.&gt;; 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392)

你好，现在LTSF领域有很多新技术，如Dlinera/Nlinear, PatchTST等，效果都是很好的。你可以参照一下。LSTM已经非常老了，已经没有价值了。另外LSTM是循环预测的，会有错误放大，以及训练模型复杂的问题，而Informer, Dlinear/Nlinera，patchTST，都是一次性预测，效果要好很多。
Informer在LTSF领域里地位很高，因为它使用了新的技术(ProbSparse)降低时间复杂度。但在我的测试中，它做短时间预测，精度不如LSTM高，但训练速度快。

以上，
祝好!

从 Windows 版邮件<https://go.microsoft.com/fwlink/?LinkId=550986&amp;gt;发送

发件人: @.&gt;
发送时间: 2023年12月16日 20:29
收件人: @.&gt;
抄送: @.&gt;; @.&gt;
主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392)

请问您方便分享一下informer与LSTm对比的代码？ 将非常感谢 @.**@.&gt;

请问您有了lstm的代码嘛？可以发我一份嘛？

―
Reply to this email directly, view it on GitHub<https://github.com/zhouhaoyi/Informer2020/issues/392#issuecomment-1858807097&amp;gt;, or unsubscribe<https://github.com/notifications/unsubscribe-auth/ADC5OAFO25WBXSAUY4SVWVLYJWHYVAVCNFSM6AAAAAARSHTTOKVHI2DSMVQWIX3LMV43OSLTON2WKQ3PNVWWK3TUHMYTQNJYHAYDOMBZG4&amp;gt;.
You are receiving this because you commented.Message ID: @.***&gt;

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.&gt; — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.>

agl71 commented 8 months ago

informer 有一定价值，但是现在有更多的新技术，远超于informer. 如要看informer代码说明，建议从知乎上找，吴先超的有几篇不错

发件人: ynning @.> 发送时间: 2023年12月17日 20:43 收件人: zhouhaoyi/Informer2020 @.> 抄送: agl71 @.>; Comment @.> 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392)

你好，真的很感谢您的回复！你可真是太好了。关于informer的使用，我还整不明白。真的太痛苦了，我的头一个比十个大。可以加个QQ或者微信，向你请教一下几个迷惑的点吗？

---原始邮件--- 发件人: @.> 发送时间: 2023年12月17日(周日) 上午8:57 收件人: @.>; 抄送: @.**@.>; 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392)

你好，现在LTSF领域有很多新技术，如Dlinera/Nlinear, PatchTST等，效果都是很好的。你可以参照一下。LSTM已经非常老了，已经没有价值了。另外LSTM是循环预测的，会有错误放大，以及训练模型复杂的问题，而Informer, Dlinear/Nlinera，patchTST，都是一次性预测，效果要好很多。 Informer在LTSF领域里地位很高，因为它使用了新的技术(ProbSparse)降低时间复杂度。但在我的测试中，它做短时间预测，精度不如LSTM高，但训练速度快。

以上， 祝好!

从 Windows 版邮件<https://go.microsoft.com/fwlink/?LinkId=550986&gt;发送

发件人: @.> 发送时间: 2023年12月16日 20:29 收件人: @.> 抄送: @.>; @.> 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392)

请问您方便分享一下informer与LSTm对比的代码？ 将非常感谢 @.**@.>

请问您有了lstm的代码嘛？可以发我一份嘛？

D Reply to this email directly, view it on GitHub<https://github.com/zhouhaoyi/Informer2020/issues/392#issuecomment-1858807097&gt;, or unsubscribe<https://github.com/notifications/unsubscribe-auth/ADC5OAFO25WBXSAUY4SVWVLYJWHYVAVCNFSM6AAAAAARSHTTOKVHI2DSMVQWIX3LMV43OSLTON2WKQ3PNVWWK3TUHMYTQNJYHAYDOMBZG4&gt;. You are receiving this because you commented.Message ID: @.***>

― Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.***>

― Reply to this email directly, view it on GitHubhttps://github.com/zhouhaoyi/Informer2020/issues/392#issuecomment-1859147250, or unsubscribehttps://github.com/notifications/unsubscribe-auth/ADC5OAFQPUVCSVSJSJWGVALYJ3LELAVCNFSM6AAAAAARSHTTOKVHI2DSMVQWIX3LMV43OSLTON2WKQ3PNVWWK3TUHMYTQNJZGE2DOMRVGA. You are receiving this because you commented.Message ID: @.***>

RJDN1 commented 7 months ago

请问无论怎么调参，Informer模型在测试集上的预测性能都不如普通LSTM可能是什么情况啊？

image image 反归一化后的mse,mae,mape对比： LSTM：3.294，1.466，3.880 Informer: 4.708，1.743，4.925

你好，你是怎么做到归一化的呢？希望能交流一下2510811892@qq.com

ZhuCv commented 7 months ago

怎么做反归一化的兄弟，求 1497867161@qqcom

bulewhales commented 7 months ago

怎么做反归一化的兄弟，求 1497867161@qqcom

你好，请问解决了吗？

2825354549 commented 6 months ago

DLinear这个模型的源码好像有反归一化 好久没看了 不记得了 因为我自己写了一个方法去反归一化 其实很简单 就是standscale那个库里面的一个函数而已 ---- 回复的原邮件 ---- 发件人 @.> 日期 2024年03月18日 19:49 收件人 @.> 抄送至 @.>@.> 主题 Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392) 怎么做反归一化的兄弟，求 @. 你好，请问解决了吗？ — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.>

fenixzml commented 1 month ago

informer 有一定价值，但是现在有更多的新技术，远超于informer. 如要看informer代码说明，建议从知乎上找，吴先超的有几篇不错 … ____ 发件人: ynning @.> 发送时间: 2023年12月17日 20:43 收件人: zhouhaoyi/Informer2020 @.> 抄送: agl71 @.>; Comment @.> 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392) 你好，真的很感谢您的回复！你可真是太好了。关于informer的使用，我还整不明白。真的太痛苦了，我的头一个比十个大。可以加个QQ或者微信，向你请教一下几个迷惑的点吗？ ---原始邮件--- 发件人: @.> 发送时间: 2023年12月17日(周日) 上午8:57 收件人: @.>; 抄送: @.**@.>; 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392) 你好，现在LTSF领域有很多新技术，如Dlinera/Nlinear, PatchTST等，效果都是很好的。你可以参照一下。LSTM已经非常老了，已经没有价值了。另外LSTM是循环预测的，会有错误放大，以及训练模型复杂的问题，而Informer, Dlinear/Nlinera，patchTST，都是一次性预测，效果要好很多。 Informer在LTSF领域里地位很高，因为它使用了新的技术(ProbSparse)降低时间复杂度。但在我的测试中，它做短时间预测，精度不如LSTM高，但训练速度快。 以上， 祝好! 从 Windows 版邮件<https://go.microsoft.com/fwlink/?LinkId=550986>发送 发件人: @.> 发送时间: 2023年12月16日 20:29 收件人: @.> 抄送: @.>; @.> 主题: Re: [zhouhaoyi/Informer2020] Informer预测效果不如LSTM的问题 (Issue #392) 请问您方便分享一下informer与LSTm对比的代码？ 将非常感谢 @.**@.> 请问您有了lstm的代码嘛？可以发我一份嘛？ D Reply to this email directly, view it on GitHub<#392 (comment)>, or unsubscribe<https://github.com/notifications/unsubscribe-auth/ADC5OAFO25WBXSAUY4SVWVLYJWHYVAVCNFSM6AAAAAARSHTTOKVHI2DSMVQWIX3LMV43OSLTON2WKQ3PNVWWK3TUHMYTQNJYHAYDOMBZG4&gt;. You are receiving this because you commented.Message ID: @.> ― Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.> ― Reply to this email directly, view it on GitHub<#392 (comment)>, or unsubscribehttps://github.com/notifications/unsubscribe-auth/ADC5OAFQPUVCSVSJSJWGVALYJ3LELAVCNFSM6AAAAAARSHTTOKVHI2DSMVQWIX3LMV43OSLTON2WKQ3PNVWWK3TUHMYTQNJZGE2DOMRVGA. You are receiving this because you commented.Message ID: @.***>

您说的更新的技术有哪些呢有推荐的吗