Day 55 序列预测任务详解

Day 55 · 序列预测任务详解

在学习RNN及其变体之前，我们需要深入理解序列任务的本质。本节将系统介绍：

• 什么是序列预测
• 如何构建序列数据的x-y对
• 单步预测与多步预测的区别
• 时序任务的实战演练

一、序列预测任务介绍

1.1 什么是序列预测？

传统结构化数据 vs 序列数据

常见序列预测场景：

• 📈 股票价格预测：用过去30天价格预测第31天
• 🚲 单车需求预测：用前60天数据预测后20天销量
• 📝 文本生成：预测下一个单词

1.2 序列预测的x-y对构建

核心方法：滑动窗口（Sliding Window）

将原始序列转化为监督学习所需的x-y标签对。

示例：

• 原始数据：data = [10, 20, 30, 40, 50, 60, 70, 80, 90]
• 序列长度：seq_length = 3

滑动窗口过程: [10, 20, 30] → 40 [20, 30, 40] → 50 [30, 40, 50] → 60 [40, 50, 60] → 70 [50, 60, 70] → 80 [60, 70, 80] → 90

生成的数据对：

X=[[10,20,30],[20,30,40],[30,40,50],[40,50,60],[50,60,70],[60,70,80]]y=[40,50,60,70,80,90]

注意：样本数 =len(data) - seq_length= 9 - 3 = 6

1.3 序列预测的标准输入格式

标准序列数据张量具有三个维度：[批量大小, 序列长度, 特征维度]

二、基础概念

2.1 环境准备

# 导入必要的库importnumpyasnpimportrandomimportosimportmatplotlib.pyplotaspltimporttorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader,TensorDatasetfromsklearn.preprocessingimportMinMaxScalerfromsklearn.metricsimportmean_squared_errorfromsklearn.ensembleimportRandomForestRegressor# 中文显示设置plt.rcParams['font.sans-serif']=['SimHei']# 显示中文plt.rcParams['axes.unicode_minus']=False# 显示负号# 忽略警告importwarnings warnings.filterwarnings("ignore")

# 设置随机种子函数defset_seed(seed=42,deterministic=True):""" 设置全局随机种子，确保实验可重复性 参数: seed: 随机种子值，默认为42 deterministic: 是否启用确定性模式，默认为True """# Python随机种子random.seed(seed)os.environ['PYTHONHASHSEED']=str(seed)# 确保哈希函数随机性一致# NumPy随机种子np.random.seed(seed)# PyTorch随机种子torch.manual_seed(seed)# CPUtorch.cuda.manual_seed(seed)# 单GPUtorch.cuda.manual_seed_all(seed)# 多GPU# cuDNN确定性配置ifdeterministic:torch.backends.cudnn.deterministic=Truetorch.backends.cudnn.benchmark=False# 设置随机种子set_seed(42)print("随机种子设置完成！")

随机种子设置完成！

2.2 数据生成

# 生成合成时间序列数据# 在0到100之间生成1000个均匀分布的点x=np.linspace(0,100,1000)# 构造时间序列：正弦波 + 线性趋势 + 随机噪声y=np.sin(x)+0.1*x+np.random.normal(0,0.5,1000)# 可视化原始数据plt.figure(figsize=(12,6))plt.plot(y,color='steelblue',linewidth=0.8)plt.title('合成时间序列数据（正弦波 + 趋势 + 噪声）',fontsize=14)plt.xlabel('时间步',fontsize=12)plt.ylabel('值',fontsize=12)plt.grid(True,alpha=0.3)plt.tight_layout()plt.show()print(f"数据总长度:{len(y)}")

数据总长度: 1000

2.3 单步预测与多步预测

重要概念：序列预测中，训练集和测试集必须按时间顺序划分！

单步预测（Single-Step Prediction）

• 一次只预测下一个时刻
• 训练样本：[x1,x2,x3,x4,x5] → x6

多步预测（Multi-Step Prediction）

两种实现方式：

MIMO任务：多输入多输出（Multiple-Input Multiple-Output）

2.4 多输入多输出任务说明

应用场景示例：

• 输入：体检指标（血压、血糖、胆固醇）、病史、年龄
• 输出：糖尿病风险、冠心病风险、肥胖等级

解决方案：

1. 独立建模：拆分为多个单输出任务（可能丢失标签间关系）
2. 联合建模：神经网络多输出模型（如BERT的MLM+NSP联合训练）

三、时序任务实战

3.1 数据预处理与划分

正确流程：先滑动窗口 → 再划分训练/测试集

⚠️常见错误：先划分再滑动窗口会导致部分标签未被使用

# 参数设置seq_length=30# 序列长度：用前30个时间步预测下一个train_ratio=0.8# 训练集比例train_size=int(len(y)*train_ratio)# 数据标准化# 关键：只在训练数据上fit，然后transform整个数据集train_data_raw=y[:train_size]scaler=MinMaxScaler(feature_range=(0,1))scaler.fit(train_data_raw.reshape(-1,1))# 只用训练数据拟合scaled_y=scaler.transform(y.reshape(-1,1)).flatten()# 转换整个数据集print(f"原始数据范围: [{y.min():.2f},{y.max():.2f}]")print(f"标准化后范围: [{scaled_y.min():.2f},{scaled_y.max():.2f}]")

原始数据范围: [-1.37, 11.21] 标准化后范围: [0.00, 1.14]

# 创建序列数据集函数defcreate_sequences(data,seq_length):""" 将时间序列数据转换为监督学习格式 参数: data: 原始时间序列数据 seq_length: 输入序列的长度 返回: X: 输入序列集 (样本数, 序列长度) y: 目标值集 (样本数,) """X,y=[],[]foriinrange(len(data)-seq_length):X.append(data[i:i+seq_length])# 输入：连续seq_length个值y.append(data[i+seq_length])# 输出：下一个值returnnp.array(X),np.array(y)# 在整个数据集上创建序列all_X,all_y=create_sequences(scaled_y,seq_length)print(f"滑动窗口后总样本数:{len(all_X)}")

滑动窗口后总样本数: 970

# 划分训练集和测试集# 计算分割点：最后一个训练样本的标签索引为 train_size-1split_idx=train_size-seq_length X_train=all_X[:split_idx]y_train=all_y[:split_idx]X_test=all_X[split_idx:]y_test=all_y[split_idx:]# 验证数据划分print("="*50)print("数据划分结果：")print("="*50)print(f"原始数据总长度:{len(y)}")print(f"序列长度 (seq_length):{seq_length}")print(f"训练集划分点 (split_idx):{split_idx}")print("-"*50)print(f"训练集特征 X_train 形状:{X_train.shape}")print(f"训练集标签 y_train 形状:{y_train.shape}")print(f"测试集特征 X_test 形状:{X_test.shape}")print(f"测试集标签 y_test 形状:{y_test.shape}")print("="*50)

================================================== 数据划分结果： ================================================== 原始数据总长度: 1000 序列长度 (seq_length): 30 训练集划分点 (split_idx): 770 -------------------------------------------------- 训练集特征 X_train 形状: (770, 30) 训练集标签 y_train 形状: (770,) 测试集特征 X_test 形状: (200, 30) 测试集标签 y_test 形状: (200,) ==================================================

3.2 模型搭建与训练

思考：序列数据的x-y对可以用传统机器学习模型吗？

答案：可以！因为：

1. 训练集按时间顺序划分，看不到未来信息
2. 深度学习中，同一批次内各样本损失独立计算
3. 打乱训练顺序有助于避免局部最优

# 使用随机森林进行序列预测print("开始训练随机森林模型...")# 创建并训练模型rf_model=RandomForestRegressor(n_estimators=100,# 树的数量max_depth=10,# 最大深度random_state=42,# 随机种子n_jobs=-1# 使用所有CPU核心)rf_model.fit(X_train,y_train)print("模型训练完成！")# 模型预测y_train_pred=rf_model.predict(X_train)y_test_pred=rf_model.predict(X_test)# 评估模型# 反标准化以计算真实尺度的RMSEy_train_true=scaler.inverse_transform(y_train.reshape(-1,1)).flatten()y_train_pred_inv=scaler.inverse_transform(y_train_pred.reshape(-1,1)).flatten()y_test_true=scaler.inverse_transform(y_test.reshape(-1,1)).flatten()y_test_pred_inv=scaler.inverse_transform(y_test_pred.reshape(-1,1)).flatten()train_rmse=np.sqrt(mean_squared_error(y_train_true,y_train_pred_inv))test_rmse=np.sqrt(mean_squared_error(y_test_true,y_test_pred_inv))print(f"\n训练集 RMSE:{train_rmse:.4f}")print(f"测试集 RMSE:{test_rmse:.4f}")

开始训练随机森林模型... 模型训练完成！ 训练集 RMSE: 0.2398 测试集 RMSE: 1.1185

# 可视化预测结果plt.figure(figsize=(14,6))# 绘制真实值plt.plot(range(len(y_train_true)),y_train_true,label='训练集真实值',color='steelblue',alpha=0.7)plt.plot(range(len(y_train_true),len(y_train_true)+len(y_test_true)),y_test_true,label='测试集真实值',color='darkorange',alpha=0.7)# 绘制预测值plt.plot(range(len(y_train_pred_inv)),y_train_pred_inv,label='训练集预测值',color='lightblue',linestyle='--',alpha=0.8)plt.plot(range(len(y_train_pred_inv),len(y_train_pred_inv)+len(y_test_pred_inv)),y_test_pred_inv,label='测试集预测值',color='red',linestyle='--',alpha=0.8)# 添加分割线plt.axvline(x=len(y_train_true),color='gray',linestyle=':',linewidth=2,label='训练/测试分割线')plt.title('随机森林序列预测结果',fontsize=14)plt.xlabel('时间步',fontsize=12)plt.ylabel('值',fontsize=12)plt.legend(loc='upper left',fontsize=10)plt.grid(True,alpha=0.3)plt.tight_layout()plt.show()

四、总结

1. 序列预测本质：利用历史数据的时序关系预测未来值

2. 数据处理流程：

   • 滑动窗口构建x-y对
   • 先滑动窗口，再划分数据集
   • 标准化时只用训练数据fit

3. 预测方式：

   • 单步预测：一次预测一个时刻
   • 多步预测：递归式或直接式

4. 模型选择：

   • 传统ML模型（如随机森林）可用于序列预测
   • 神经网络更适合复杂的多输入多输出任务

@浙大疏锦行