time-series - 时间序列预测的特征缩放

Question

我正在进行时间序列分析，准确地说是一个多变量时间序列，在将输入输入到我的 LSTM 模型之前，我已经对它们进行了缩放。我用来评估我的模型的指标是验证集的损失和平均绝对误差。

我的损失和 MAE 都低于 1 时，我能够取得相当不错的结果。但是，我当时想到，由于我的数据已经被缩放，它在 1 到 -1 的范围内，因此，这些结果不是奇怪。

本质上，我的问题是，当数据被缩放时，你如何评估一个旨在执行时间序列预测甚至回归的模型？由于数据落入的范围，无论如何损失不会很低吗？

Answer 1

由于数据落入的范围，无论如何损失不会很低吗？

是的，但是，这里的损失函数通常是比较一个模型与另一个模型的性能。只要您在相同的数据上扩展模型，这就是有用的。

但是，如果您想更好地了解未缩放的损失，您可以计算 MAE，然后使用您最初适合的相同缩放器对损失进行反向缩放。最后，我不建议您使用错误度量来判断模型的“好结果”，除非您有过往的基准。你真的应该在图表上绘制预测值与实际值