展开本页目录
开始前准备什么
- Python>=3.10、PyTorch>=2.4；Timestral官方推理可用CPU或GPU，不需要付费API，首次需下载模型权重。
- 代码Apache2.0，模型权重Modified MIT，两者许可分开；可先选5M验证输入协议，不能把CPU可跑写成固定速度保证。
- 本课历史观测与评估夹具为作者资料，预测值未生成；任何区间/概率示例都标参考而非模型返回。
- 标明预测截止日
- 划分协变量角色
- 核对数组长度
- 保存可用性台账
- 运行两套输入检查
- 检查未来目标未混入
- 交付无泄漏样本
1. 标明预测截止日
本课在10月6日晚预测后2日人流，保存asOf时间。
所有变量必须回答在这个时刻是否已知。
2. 划分协变量角色
排期中的休息日标记可提前知道，传known_covariates。
实测气温只在历史可用，不能把后两日实际气温当已知未来。
3. 核对数组长度
past长度等于T，known长度等于T+H。
不要用补零把缺失未来实测伪装成确定值。
官方界面与功能位置
以下为官方文档配图，具体版本与账号入口以当前产品为准。本课练习输入与验收对照见相邻步骤。
4. 保存可用性台账
为每个日期和值记录availableAt与来源类型。
预测气温若另有可用预报，应标forecast来源而非actual。
5. 运行两套输入检查
允许正确排期，拒绝future actual温度超过asOf的版本。
先验证输入边界，再比较实际模型效果。
6. 检查未来目标未混入
known矩阵只能包含协变量，不能把未来人流复制进去。
列名含target或future_actual时进入人工核对而非自动放行。
7. 交付无泄漏样本
保存截止时间、角色表和真实预测。
本稿只交输入和拒绝规则，不声称已证明协变量提升准确率。
下载本课材料并开始操作
练习包包含本课的具体输入、可编辑数据、正反样例与七步说明。index.html 可离线查看原件和验收参考，actual-results.csv 用于记录你实际操作后的结果。
怎样确认已经完成
- known长度T+H、past长度T。
- 每列可获得时间不晚于预测决策。
- 未来目标和实测温度不泄漏。
常见问题
未来天气影响人流，直接给未来真实气温可以吗？
回测时这样会泄漏。只有预测当时已取得的预报可作为未来协变量，并要记录来源；未来实测值应留在评估层。
known_covariates为什么要包含历史部分？
官方接口要求形状覆盖上下文和预测区间，也就是T+H。本课按日期对齐完整排期，不能只传未来两行再猜它怎样拼接。