---
title: "Data-Label Consistency (数据-标签一致性)"
created: 2026-05-26
type: concept
tags: ["time-series", "data-augmentation", "forecasting"]
sources: ["temporal-patch-shuffle-tps"]
---

# Data-Label Consistency

> 时间序列预测增强的必要条件：输入 x 与目标 y 必须被联合变换，以保持序列的时间连续性。

## 定义

记 look-back 窗口为 x，预测目标为 y。训练作用的对象是连续序列 s = x ∥ y，增强应作用在拼接后的序列上：

```
s = x ∥ y
s̃ = 𝒜(s)
(x̃, ỹ) = Split(s̃)
```

## 为什么重要

- 只对 x 增强、让 y 原封不动 → 输入与目标之间的天然连续性被人为切断
- 在 [[temporal-patch-shuffle|TPS]] 的消融实验中，**数据-标签一致性的破坏是单一消融中性能下降最大的因素**
- 这是预测增强区别于分类增强的根本约束

## 实践含义

所有有效的预测增强方法（[[freqmask-freqmix|FreqMask/FreqMix]]、[[wavemask-wavemix|WaveMask/WaveMix]]、[[temporal-patch-shuffle|TPS]]）都采用了这个拼接-增强-拆分范式。

## 相关页面

- [[time-series-forecasting-augmentation]] — 预测增强框架
- [[temporal-patch-shuffle]] — 内置数据-标签一致性的 SOTA 方法
- [[forecasting-augmentation-taxonomy]] — 各类方法对此原则的遵守情况