【清华时间序列库】无基础可入：快速跑通自定义数据集（二）

前言

目标人群：针对使用时间序列数据做预测、分类、插值和异常检测等任务的新手

文章目的：帮助新手快速上手清华时间序列库，跑通自定义数据集。

在清华时间序列库（TSLib）系列的第一篇教程中，我们了解了TSLib库的主程序 run.py文件中的大部分内容，而这篇教程则是关于如何使用自己的数据集，通过TSLib库进行训练和预测。

系列教程链接

【清华时间序列库】无基础可入：面向对象编程的TSLib主程序run.py解析（一）

数据集准备

TSLib库支持的数据集格式为csv文件，需要注意以下两点：

1. 第一列为时间戳，并且第一列列名必须为date。
2. 最后一列为目标变量。
3. 虽然csv文件中包含空值（缺失值）也能跑通代码，但是还是建议先把csv文件中的缺失值以及异常值处理一下。

以下是一个简单的csv文件示例，其中第一列为时间戳，列名为date，第二列是广告花费，作为预测销量的影响因素，最后一列为目标变量，即销量：

date	ad_spend	sales
2023-01-01	50	120
2023-01-02	70	150
2023-01-03	40	100
2023-01-04	60	130
2023-01-05	80	160
2023-01-06	55	125
2023-01-07	65	140

python环境配置准备

如第一篇教程所说，有一些TSLib用到的库，我们需要提前安装好。可以直接通过requirement.txt配置好这些。

配置流程如图1所示：
step 1：打开VS code面板栏。
step 2：打开终端窗口。
step 3：检查是否在时间序列库主文件夹下（如果不是则选择上方的file -> open folder，选择TSLib文件夹奥）。检查requirements.txt文件是否存在。
step 4：在终端中输入pip install -r requirements.txt，安装相关的库。

图1：安装相关的库步骤

主程序代码修改

我们有两种修改方式，一种是直接改默认值，另一种是直接在命令行中输入参数，这种方法会在租服务器跑代码部分进行讲解。接下来先介绍第一种方式。

方法一：直接修改默认值

打开主程序 run.py文件，我们来梳理一下需要调整的参数。

p.s. 不需要调整的参数则不会设计奥，其含义可以参考前一篇教程。

（1）基础配置

首先task_name参数，这个参数决定了我们使用TSLib库中的哪个任务，这里主要讲解long_term_forecast，即长序列预测。因为它可以一次进行多步预测，类似于多输入多输出的模型结构。如果default='long_term_forecast'则不需要更改，如果不是，则改成default='long_term_forecast'。

其次是model_id，如果我们需要跑很多模型，最好做一下标识，这个改成任意字符串都行，只要自己看得懂，知道代表哪个模型即可。

最后是model参数，这个参数有哪些选择可见清华时间序列库教程（一）奥，这里我们使用Autoformer，所以改成default='Autoformer'。

# basic config
parser.add_argument('--task_name', type=str, required=False, default='long_term_forecast',
                    help='task name, options:[long_term_forecast, short_term_forecast, imputation, classification, anomaly_detection]')
parser.add_argument('--model_id', type=str, required=False, default='test', help='model id')
parser.add_argument('--model', type=str, required=False, default='Autoformer',
                    help='model name, options: [Autoformer, Transformer, TimesNet]')

（2）数据配置

data参数：由于我们使用自己的数据集，所以这里需要改成default='custom'。

root_path参数：这个参数是数据集所在的文件夹路径，由于我们使用vs code打开了主文件夹，因此不需要更改，默认是default='./'即可。

data_path参数：由于我将csv数据集文件放在了和run.py文件同一个路径之下，并且我的csv数据集命名为model_inputs.csv。因此修改参数的默认值default='model_inputs.csv'。如果将数据放在其他路径则更改为其他路径即可，但是需要注意，读取数据时是root_path + data_path，所以data_path不能是绝对路径，而是root_path之下的相对路径。

features参数：如果csv数据集中只有时间戳和目标变量，则选择S；如果有其他变量作为特征，但是只需要预测目标变量，则选择MS；如果有多个变量，并且所有变量都需要进行预测，则选择M。如上文的csv文件示例，我们有时间戳、广告花费和销量，其中广告花费作为特征，销量作为目标变量，所以选择MS。default='MS'。

target参数：这个参数需要填写我们预测的目标变量的列名，如上文的csv文件示例，sales是目标变量列名，所以改成default='sales'。

    parser.add_argument('--data', type=str, required=False, default='custom', help='dataset type')
    parser.add_argument('--root_path', type=str, default='./', help='root path of the data file')
    parser.add_argument('--data_path', type=str, default='model_inputs.csv', help='data file')
    parser.add_argument('--features', type=str, default='MS',
                        help='forecasting task, options:[M, S, MS]; M:multivariate predict multivariate, S:univariate predict univariate, MS:multivariate predict univariate')
    parser.add_argument('--target', type=str, default='sales', help='target feature in S or MS task')

（3）预测任务配置

回顾一下上一篇教程中说过的seq_len、pred_len和label_len的含义，如图2所示。

将seq_len设置成自己希望一个样本中一次性输入多少历史数据（类似于滞后阶数的概念）；将pred_len设置成希望预测的步长，例如设置成24，则会有24个预测值，分别代表未来1步、2步…到24步；而label_len则是辅助预测的部分，不要超过seq_len的长度即可。

图2：seq_len、label_len、pred_len在时间戳上的关系

    parser.add_argument('--seq_len', type=int, default=96, help='input sequence length')
    parser.add_argument('--label_len', type=int, default=48, help='start token length')
    parser.add_argument('--pred_len', type=int, default=24, help='prediction sequence length')

（4）模型配置

enc_in、dec_in、c_out：这三个参数都需要设置成除时间戳之外的数据集的变量数量。如上文的csv文件示例，我们有时间戳、广告花费和销量，除去时间戳有两个变量，所以将他们的default都设置成2 default='model_inputs.csv'。

# model define
parser.add_argument('--enc_in', type=int, default=2, help='encoder input size')
parser.add_argument('--dec_in', type=int, default=2, help='decoder input size')
parser.add_argument('--c_out', type=int, default=2, help='output size')

此外，还需要注意的是，我们能看到d_model和d_ff这两个参数设置得都比较大，这会导致我们需要比较大的内存（cpu跑）或 显存（gpu跑）。如果内存/显存不够，可以尝试将这两个参数调小，或者租显存大的服务器跑代码，本文后面会将如何租服务器跑代码奥。

parser.add_argument('--d_model', type=int, default=512, help='dimension of model')
parser.add_argument('--d_ff', type=int, default=2048, help='dimension of fcn')

在已上都修改好了之后，则可以直接运行run.py文件跑代码啦。

运行报错

如果在运行过程中出现错误 ModuleNotFoundError，类似ModuleNotFoundError: No module named 'xxx'。则在百度搜一下如何安装xxx包，复制命令安装即可。为什么要搜一下呢，是因为虽然普遍安装包的命令是pip install xxx，但是有的包安装时的包名不一样，所以需要注意。

结果解读

（1）模型结果保存位置

模型结果保存在文件夹checkpoints下，以主程序 run.py文件中的setting变量命名。如下代码所示，可以看到文件名称第一部分是任务类型，然后是model_id（自己设置的实验id），接着是模型名称、数据集类型等等之前所设置的参数。实例如图3所示。checkpoints文件夹中有很多子文件夹，每个子文件夹的命名里有多个我们自己设置的参数，并且内部包含checkpoints.pth文件，这个.pth文件则保存了预测模型的参数。

setting = '{}_{}_{}_{}_ft{}_sl{}_ll{}_pl{}_dm{}_nh{}_el{}_dl{}_df{}_expand{}_dc{}_fc{}_eb{}_dt{}_{}_{}'.format(
        args.task_name,
        args.model_id,
        args.model,
        args.data,
        args.features,
        args.seq_len,
        args.label_len,
        args.pred_len,
        args.d_model,
        args.n_heads,
        args.e_layers,
        args.d_layers,
        args.d_ff,
        args.expand,
        args.d_conv,
        args.factor,
        args.embed,
        args.distil,
        args.des, ii)

图3：保存模型地址

（2）预测结果位置

预测结果保存位置为 results文件夹，和模型保存结果一样，内部含有多个子文件夹，由setting变量命名，因此我们可以将保存的模型和预测结果根据文件名称一一对应起来。results文件夹中的文件结构如图4所示。可以看到子文件夹中包含真实值true.npy数据和预测值pred.npy数据。有人可能注意到，子文件夹名称最后一位数字总是从0-4，这是因为我设置的参数itr为5，代表实验5次，代码自动保存了5次的结果。

图4：预测结果位置

此外，我们会发现在test_results文件夹中会有一些图片。打开图片是部分时间序列的真实值和预测值的折线图。但是这个我们可以不用太在意，后面可以自己画所有的预测值和真实值的图。

（3）预测结果解读

首先自己创建一个.py文件，用来读取并查看预测值的形状。.npy文件都要实验numpy加载数据奥。代码如下所示：

import numpy as np

csv_path = "long_term_forecast_test_DLinear_custom_ftMS_sl96_ll48_pl96_dm32_nh8_el2_dl1_df32_expand2_dc4_fc3_ebtimeF_dtTrue_test_0"
preds = np.load(csv_path + "\\pred.npy")
true = np.load(csv_path + "\\true.npy")
print(preds.shape)

然后我们会发现数据是一个三维的（preds和true形状一致），例如我的数据形状是(2000, 96, 1)，其中2000代表测试集样本数量（其中每个样本代表每个时间点），96代表在每一个测试集时间点上向未来预测了96步，1代表预测的变量数量。因此，我们得到了2000 * 96 个预测值。

假设我们要未来1步预测的结果，则只需要提取preds[:,0,0]即可，其中:代表所有样本，0代表第一个时间点，0代表第一个变量。同理，true[:,0,0]代表真实值。这样我们可以得到测试集预测值结果的一维数组。如果未来2步预测值，则提取preds[:,1,0]和preds[:,1,0]即可。

以下提供一个简陋的可视化代码，可以画出一步预测的折线图结果。

plt.plot(preds[:,0,0],label='preds')
plt.plot(true[:,0,0],label='true')
plt.legend()
plt.show()

方法二：命令行输入参数

如前文所说，我们还有第二种方法改代码，就是直接在命令行指定参数，这样不管默认值 default 是多少，都只会使用命令行指定的参数。这一部分小编将结合 租服务器+使用shell批量跑模型 场景来阐述。

(1) 租服务器 和 配置环境

如果对租服务器不太了解可以参考小编之前的文章【小白练手教程】低成本练手部署多模态大语言模型 通义千问（附代码），只需要看租服务器和配置环境部分即可。注意配置环境的命令如方法一中所示奥，即在终端中输入pip install -r requirements.txt。

(2) 使用shell批量跑模型

因为租服务器都是使用linux系统，所以需要使用shell脚本批量跑模型。如图5所示，在TSLib中的scripts文件夹中有许多shell脚本，随便打开一个，可以看到我们需要配置的参数的命令行设置。一个shell脚本中可以有多个命令，意味着我们跑一个脚本，可以跑多次参数不同的run.py文件。

那么shell脚本准备好之后如何跑呢？只需要在终端terminal中输入命令sh ./run.sh即可。其中run.sh是shell脚本文件名，./run.sh是shell脚本路径。

图5：shell脚本

结语

现在大家可以动手尝试一下啦，有什么问题欢迎留言奥。