gluon - 如何在 gluon-ts 中使用 DeepAREstimator 和一个以上的额外回归器？

Question

在 gluon-ts 中创建训练或测试数据时，我们可以在 DeepAREstimator 中指定一个额外的实值回归量。通过指定 feat_dynamic_real .是否支持多个实值回归量？

有一个one_dim_target标志在 gluonts.dataset.common.ListDataset用于创建训练/测试数据对象。这似乎可能需要支持多个额外的回归量，但是我找不到关于预期用途的好例子。

这是使用一个额外的回归器创建训练数据的设置:

training_data = ListDataset(
    [{"start": df.index[0], "target": df.values, "feat_dynamic_real": df['randomColumn'].values}],
    freq = "5min", one_dim_target=False
)

和估算器:

from gluonts.model.deepar import DeepAREstimator
from gluonts.trainer import Trainer

estimator = DeepAREstimator(freq="5min", prediction_length=12, trainer=Trainer(epochs=10))
predictor = estimator.train(training_data=training_data)

我正在寻找多个回归器所需的语法/配置。

Answer 1

是的，有支持。首先，Gluon TS 将回归量称为特征，将我们试图预测的信号称为目标。因此，one_dim_target您提到的标志与输出的维度有关，而不是与输入的维度有关。

下面是我用来将多维特征(输入)与每个目标信号相关联的代码(我使用一维目标)

train_ds = ListDataset([{FieldName.TARGET: target,
                     FieldName.START: start,
                     FieldName.FEAT_DYNAMIC_REAL: fdr}
                    for (target, start, fdr) in zip(
target,
custom_ds_metadata['start'],
feat_dynamic_real)]

在上面的 zip 函数中，

target : 是包含目标信号的一维numpy数组，即target的形状是 (1,#of time step)

custom_ds_metadata['start'] : 是一个pandas日期变量，表示数据的开头

feat_dynamic_real :是一个包含两个特征信号的二维numpy数组，即feat_dynamic_real具有形状(#of features，#number of time step)