开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
图像技术
文字识别
人脸与人体识别
视频技术
AR与VR
自然语言处理
知识图谱
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
智能农业
信息服务
智能园区
智能硬件
EasyDL零门槛AI开发平台

    训练任务失败错误排查


    时序预测任务失败,一般主要是由于时间列格式错误或配置错误导致的,您可以参照如下内容检测您的数据或配置是否正确:

    时间列要求

    在创建时序预测任务时,所使用的数据集的时间列应满足如下格式,否则会造成训练任务失败:

    • yyyy-MM-dd HH:mm:ss
    • yyyy/MM/dd HH:mm:ss
    • yyyy.MM.dd HH:mm:ss
    • dd-MM-yyyy HH:mm:ss
    • dd/MM/yyyy HH:mm:ss
    • dd.MM.yyyy HH:mm:ss
    • yyyy-MM-dd
    • yyyy/MM/dd
    • yyyy.MM.dd
    • dd-MM-yyyy
    • dd/MM/yyyy
    • dd.MM.yyyy
    • HH:mm:ss

    时间间隔

    选择时间列与目标列后,系统会根据数据的前100行去推断时间间隔,但是难免会推断错误。

    预处理阶段会根据选择的时间间隔对数据进行重新采样,若选择了过大的时间间隔,降采样会导致数据过短。反之,过小的时间间隔会导致数据分布异常,合理的选择时间间隔是保证预测质量的重要环节之一。

    时间序列长度

    时序预测通常会采用历史的一段时间的数据作为特征,因此数据长度必须满足一定要求才能保证有足够的训练与评估样本

    当时序数据为分组数据时,每个分组会作为一个单独的时间序列,因此需要保证每个分组的时间序列足够长

    另外选取了不适当的时间间隔,降采样后也会导致数据量不够的情况。

    分组字段

    为了确保每个时间列有充分的数据,限制了平均每个分组至少包含20条数据,若数据中存在大量超短时序数据,请您提前做好筛选。

    窗口长度与预测长度

    时序模型的输入为窗口长度中的各个特征,输出为预测长度的目标列。因此当数据中的时间序列较短的时候,请您合理地降低窗口长度和预测长度,有助于模型有充足的样本进行预测。

    上一篇
    模型发布
    下一篇
    EasyDL 零售行业版使用说明