时间序列预测:别让模型偷看未来
用 UCI 共享单车的 17,379 条逐小时真实记录,Yila 先检查时间范围与周期规律,再用随机切分和按时间顺序切分分别训练同一个模型,把两种评估的 MAE、RMSE、R² 放进同一张表——看清为什么随机切分不代表真实预测能力。
数据检查完成:17,379 条逐小时记录,覆盖 2011-01 至 2012-12,目标列 bike_rentals 无缺失、无重复时间。提醒一点:registered 和 casual 两列相加就是总量,用作特征会造成目标泄漏,已排除。

趋势与周期已出图:早晚高峰是日内主周期,工作日与周末曲线形态不同——工作日平均每小时约 192 辆、周末约 184 辆。看清规律,才知道该构造哪些时间特征。

两个朴素基准已在完全相同的可比较样本上评估:「上一周同一时刻」明显优于「上一小时」。基准不是凑数,而是任何复杂模型的最低合格线。
随机切分结果:MAE 23.81、RMSE 41.01、R² 0.9477——看起来很好,但测试点散落在整个历史区间,模型训练时已经接触过未来的分布,这个分数不代表真实的未来预测能力。

同一模型、同一特征,只换切分方式:时间顺序切分 MAE 31.76、RMSE 52.70、R² 0.9428,误差明显上升。预测曲线对比一目了然——随机切分的测试点混在整个历史里,时间切分的测试点集中在最后 20%,后者才接近真实部署。

四类方法已在同一个未来测试时段(3,356 小时)统一比较:上一小时基准、上一周同一时刻基准、随机森林滞后特征模型和 SARIMA。预测曲线显示随机森林与 SARIMA 都能跟上日内峰谷,逐周回看差异集中在节假日与异常峰值。

差异来自评估逻辑而不是模型:随机切分让训练集见过未来的分布,指标虚高;时间切分下的指标才接近上线后的表现。需要强调的是,即使两种切分差距不大,预测任务里也只有时间切分的评估逻辑成立。
正确顺序:检查数据 → 识别周期 → 时间切分 → 建立基准 → 比较模型。三个最常犯的错误:把 registered/casual 这类泄漏列当特征;用随机切分评估预测能力;跳过朴素基准直接上复杂模型。
Yila 任务回放完成。
用这个方法开始研究