时间序列振动数据异常检测：Auto-encoder训练数据比例咨询

作为搞过不少轴承振动异常检测的人，结合NASA这个经典数据集的特点，给你唠唠训练数据比例的事儿：

通用起步方案 #

如果你的正常（完好轴承）样本数量足够（比如NASA数据集里正常工况的1秒快照至少有几十条），70%-80%用于训练，10%-15%用于验证，剩下10%-15%用于测试是最稳妥的初始划分：

• 训练集：必须全是正常数据，让Auto-encoder彻底学会正常振动信号的模式。
• 验证集：用来调参（比如学习率、隐藏层节点数）和监控过拟合——要是训练集的重构误差一直降，但验证集误差开始往上飘，就得赶紧停训练。
• 测试集：一定要同时包含正常和故障数据，用来最终检验模型能不能准确揪出异常。

针对NASA数据集的特殊调整 #

NASA的轴承数据集里，正常状态的样本量其实是很充足的（比如每个正常工况下都有连续的快照），所以：

• 如果正常样本超过100条，甚至可以用80%训练，10%验证，10%测试，给模型更多学习正常模式的素材。
• 要是正常样本偏少（比如只有二三十条），别硬划固定比例了，改用5折或10折交叉验证，轮流用不同子集当训练和验证集，把有限的数据用透，避免过拟合。

划重点！绝对不能踩的坑 #

• 绝对绝对不要把故障数据放进训练集！Auto-encoder是靠“学不会异常模式，重构误差大”来检测异常的，要是训练里混了故障数据，模型会把异常当成正常来学，那后续检测直接废了。
• 验证集和测试集的分布要和训练集一致——比如训练集是某转速下的正常数据，那验证、测试集也得是同转速的，别跨工况乱选，不然模型评估结果不准。

内容的提问来源于stack exchange，提问作者opprud