配置机器学习模型或数据处理的参数

{
    "batch_size": 64,
    "cache_dataset": true,
    "num_workers": 0,
    "pad_with_last_sample": true,
    "train_rate": 0.7,
    "eval_rate": 0.1,
    "scaler": "none",
    "load_external": false,
    "normal_external": false,
    "ext_scaler": "none",
    "input_window": 12,
    "output_window": 12,
    "add_time_in_day": false,
    "add_day_in_week": false,
    "lape_dim": 8
}

1. "batch_size": 64

   • 解释: 批次大小，即每次训练迭代时使用的样本数量。在深度学习中，较大的批次大小可能会加速训练但需要更多内存。

2. "cache_dataset": true

   • 解释: 是否缓存数据集。如果为 true，数据集将被加载到内存中，以加快后续的访问速度。

3. "num_workers": 0

   • 解释: 用于数据加载的工作线程数。0 表示数据加载将在主线程中进行。增加这个值可以加速数据加载过程，特别是在多核 CPU 环境中。

4. "pad_with_last_sample": true

   • 解释: 是否使用最后一个样本填充。如果数据集的大小不是批次大小的整数倍，最后一个批次将使用最后一个样本填充以达到批次大小。

5. "train_rate": 0.7

   • 解释: 训练数据的比例。0.7 表示 70% 的数据用于训练。

6. "eval_rate": 0.1

   • 解释: 验证数据的比例。0.1 表示 10% 的数据用于验证，剩余 20% 的数据用于测试（假设总比例为 1）。

7. "scaler": "none"

   • 解释: 数据缩放方法。"none" 表示不进行数据缩放。常见的缩放方法包括 "minmax" 和 "standard"。

8. "load_external": false

   • 解释: 是否加载外部数据。如果为 false，则不加载外部数据源。

9. "normal_external": false

   • 解释: 是否对外部数据进行标准化。如果为 false，则不对外部数据进行标准化处理。

10. "ext_scaler": "none"

    • 解释: 外部数据的缩放方法。"none" 表示不对外部数据进行缩放处理。

11. "input_window": 12

    • 解释: 输入窗口的大小。通常用于时间序列数据，表示使用过去 12 个时间步的数据作为模型的输入。

12. "output_window": 12

    • 解释: 输出窗口的大小。表示模型的预测输出跨度 12 个时间步。

13. "add_time_in_day": false

    • 解释: 是否添加时间特征（日内时间）。如果为 false，则不添加。

14. "add_day_in_week": false

    • 解释: 是否添加时间特征（周内天）。如果为 false，则不添加。

15. "lape_dim": 8

    • 解释: 图拉普拉斯特嵌入的维度，通常用于图神经网络（GNN）中。8 表示嵌入维度为 8。

最后

这段配置字典包含了机器学习模型训练和数据处理的一系列参数。通过这些参数，用户可以控制训练过程中的许多细节，如批次大小、数据加载方式、数据划分比例、是否应用数据缩放、输入和输出窗口大小等。这种方式使得模型训练过程更加灵活和可控。