PyTorch Forecasting加载自定义数据集时TimeSeriesDataSet实例化报错如何解决

错误根因 #

你定义的每个分组的时间序列长度远小于编码器+预测器所需的最小长度：

• 代码中df["group"] = np.repeat(np.arange(30), 10) 意味着每个group仅包含10个时间步的数据
• 你配置的max_encoder_length=50 + max_prediction_length=20 要求每个分组至少有70个连续时间步才能构造训练样本，所有分组都不满足条件，被全部过滤后触发了空索引的断言报错。

解决方法 #

你可以根据业务需求选择任意一种方案：

• 方案1：调整编码器和预测长度参数
  把参数下调到符合分组长度的范围，比如每组10个时间步的场景下，可以配置：

  min_encoder_length = 7,
  max_encoder_length = 7,
  min_prediction_length = 3,
  max_prediction_length = 3
  

• 方案2：调整分组逻辑，增加单组时间步长度
  如果业务必须保留50长度编码器+20长度预测的配置，修改分组代码，让每个分组的时间步至少大于70，比如拆成3个每组100步的分组：

  df["group"] = np.repeat(np.arange(3), 100)
  

• 额外校验项
  确认unix字段在同个分组内是连续递增的，没有重复值，你可以执行以下代码查看每个分组的实际时间步数量：

  print(df.groupby("group")["unix"].nunique())
  

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