GluonTS示例运行报错：airpassengers数据集test目录缺失求助

运行GluonTS官方示例代码时，已解决库安装问题，但出现以下错误：

FileNotFoundError: C:\Users\abcde\.mxnet\gluon-ts\datasets\airpassengers\test

确认数据集目录存在，但仅包含train文件夹，重装库无法解决问题。示例代码如下：

import matplotlib.pyplot as plt
from gluonts.dataset.util import to_pandas
from gluonts.dataset.pandas import PandasDataset
from gluonts.dataset.repository.datasets import get_dataset
from gluonts.mx import DeepAREstimator, Trainer

dataset = get_dataset("airpassengers")

deepar = DeepAREstimator(prediction_length=12, freq="M", trainer=Trainer(epochs=5))
model = deepar.train(dataset.train)

# Make predictions
true_values = to_pandas(list(dataset.test)[0])
true_values.to_timestamp().plot(color="k")

prediction_input = PandasDataset([true_values[:-36], true_values[:-24], true_values[:-12]])
predictions = model.predict(prediction_input)

for color, prediction in zip(["green", "blue", "purple"], predictions):
    prediction.plot(color=f"tab:{color}")

plt.legend(["True values"], loc="upper left", fontsize="xx-large")

方法1：从训练集拆分生成测试数据 #

airpassengers是单时间序列数据集，直接从现有训练集中拆分出测试部分，替代原代码中dataset.test的依赖：

# 替换原代码中获取true_values的片段
train_data = to_pandas(list(dataset.train)[0])
# 取最后12个数据点作为测试真实值（与prediction_length一致）
true_values = train_data[-12:]
# 基于训练集生成预测输入
prediction_input = PandasDataset([train_data[:-36], train_data[:-24], train_data[:-12]])

修改后即可跳过缺失的test目录，完成预测和绘图流程。

方法2：手动补全数据集目录 #

1. 获取CSV格式的航空乘客原始数据
2. 按照GluonTS的数据集格式拆分：
   • 训练集：保留前n-12个数据点，保存为train目录下的JSON文件（参考现有train文件夹内的格式）
   • 测试集：保留最后12个数据点，新建test目录并保存对应的JSON文件
3. 将完整的airpassengers目录替换到C:\Users\abcde\.mxnet\gluon-ts\datasets\路径下

方法3：调用get_dataset时跳过测试集加载 #

调用get_dataset时添加with_test=False参数，避免加载测试集：

dataset = get_dataset("airpassengers", with_test=False)

后续同样参考方法1，从训练集中拆分测试数据完成后续步骤。

内容的提问来源于stack exchange，提问作者shiftyscales