GluonTS学习指南

GluonTS对数据集有一些基本要求

https://zhuanlan.zhihu.com/p/446526004

• 数据集必须是时间序列，也就是说至少是一个可迭代对象 - 每条数据至少有一个target域，这个域中存放的是时间序列的具体值 - 数据集至少有一个start域，这个域指定了时间序列的开始时间

• 可选域 - 通常给出一些可用的协变量：

feat_static_cat：时不变类别协变量，例如温度预测时，每个城市的所处温带就是一类时不变类别协变量
feat_static_real：时不变连续协变量，例如做温度预测时，每个城市的经纬度就是一类时不变连续协变量
feat_dynamic_cat：时变类别协变量，例如温度预测时，每天的天气信息就是一种时变类别协变量
feat_dynamic_real：时变连续协变量，例如温度预测时，每个城市每日的汽车尾气排放量就是一种时变连续协变量

Must be a valid Pandas frequency.指的是什么？

A number of string aliases are given to useful common time series frequencies. We will refer to these aliases as offset aliases.

Alias Description
B business day frequency
C custom business day frequency
D calendar day frequency
W weekly frequency
M month end frequency
SM semi-month end frequency (15th and end of month)
BM business month end frequency
CBM custom business month end frequency
MS month start frequency
SMS semi-month start frequency (1st and 15th)
BMS business month start frequency
CBMS custom business month start frequency
Q quarter end frequency
BQ business quarter end frequency
QS quarter start frequency
BQS business quarter start frequency
A, Y year end frequency
BA, BY business year end frequency
AS, YS year start frequency
BAS, BYS business year start frequency
BH business hour frequency
H hourly frequency
T, min minutely frequency
S secondly frequency
L, ms milliseconds
U, us microseconds
N nanoseconds

参考下面的例子

https://blog.csdn.net/qq_34461600/article/details/103005723
例子讲解很详细，但是有个问题
数据间隔是5分钟，不能设置成间隔1个小时
start是自己设置的时间，不一定是真实的时间

官网上的例子是合理的：
https://aws.amazon.com/cn/blogs/china/gluon-time-series-open-source-time-series-modeling-toolkit/

修改DeepAR的参数

https://zhuanlan.zhihu.com/p/446529142
下面我们建立模型，DeepAR中通常使用LSTM作为cell，这里我们用2层LSTM作为基底建立DeepAR模型，训练8个周期，每个周期迭代50步；其余的参数，例如初始化、learning rate和learning rate decay均采用默认值