1.3 KiB
1.3 KiB
title, created, type, tags, sources
| title | created | type | tags | sources | ||||
|---|---|---|---|---|---|---|---|---|
| Data-Label Consistency (数据-标签一致性) | 2026-05-26 | concept |
|
|
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 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、wavemask-wavemix、temporal-patch-shuffle）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