PyTorch Forecasting N-BEATS模型样本外预测报AssertionError问题咨询

报错原因 #

PyTorch Forecasting的TimeSeriesDataSet构造预测样本时，要求输入数据必须覆盖完整的编码器历史窗口 + 待预测的解码器窗口，仅传入max_encoder_length长度的历史数据时，数据集无法定位预测的时间范围，会过滤掉所有有效样本，抛出AssertionError: filters should not remove entries all entries - check encoder/decoder lengths and lags错误。

解决步骤 #

• 提取待预测序列的最新max_encoder_length条历史数据，确认time_idx连续、group_id（此处为series列）唯一
• 构造max_prediction_length条预测占位数据：time_idx顺延历史数据的最大time_idx依次递增，series列和历史数据保持一致，目标列value可填充为NaN，其他特征和训练时的取值逻辑保持一致
• 将历史数据和占位数据拼接后传入predict方法即可完成预测

代码修改示例 #

把原代码中报错的预测部分替换为以下内容即可：

# 提取单序列的最新max_encoder_length条历史数据
series_test = test_data[test_data["series"] == '0'].sort_values("time_idx")
history_data = series_test.tail(max_encoder_length)

# 构造预测占位数据
max_time_idx = history_data["time_idx"].max()
pred_placeholder = pd.DataFrame({
    "time_idx": range(max_time_idx + 1, max_time_idx + 1 + max_prediction_length),
    "series": "0",
    "value": [float("nan")] * max_prediction_length,
    "static": 2, # 和训练时的静态特征取值保持一致
    "date": pd.date_range(history_data["date"].max() + pd.Timedelta(days=1), periods=max_prediction_length)
})

# 拼接历史数据和预测占位数据
pred_input = pd.concat([history_data, pred_placeholder], ignore_index=True)

# 执行预测
y_hat_tft = net.predict(
    pred_input,
    mode="prediction",
    return_x=True
)

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