网易首页 > 网易号 > 正文 申请入驻

DistDF:时序预测需要分布对齐——从MSE到联合Wasserstein

0
分享至

目前,时间序列预测方法通常采用基于极大似然估计的 MSE 作为损失函数,但这类损失在标签序列具有自相关性时有偏

近期,北大林宙辰团队将时间序列预测转化为条件分布对齐问题。并提出一种新的损失函数,通过最小化预测序列与标签序列条件分布之间的 Wasserstein 距离训练预测模型;既能保证无偏训练,又能充分考虑标签序列内的几何结构(自相关性)。

这一工作为以最优传输为代表的分布对齐技术赋能预测问题提供了全新的研究思路和理论框架。

  • 论文标题:DistDF: Time-series Forecasting Needs Joint-distribution Wasserstein Alignment
  • 作者单位: 小红书、北京大学、浙江大学、上海财经大学、松鼠 AI 等
  • 代码链接:https://github.com/Master-PLC/DistDF

1. 问题分析:标签中的自相关性

构建一个有效的预测模型需要解决两个问题:用什么架构怎么训练。过去十年,研究者们在架构创新上投入了大量精力 ——Transformer、线性模型、图神经网络轮番登场。但很少有人质疑:我们使用的损失函数,真的适合时间序列数据吗?

目前主流的时间序列预测方法采用直接预测范式(Direct Forecast, DF):模型接收一段历史观测,通过神经网络提取特征,然后一次性并行预测未来 T 步。相比传统的迭代预测,DF 方法具有并行计算的优势,训练效率更高。

在损失函数的选择上,DF 方法几乎 "不约而同" 地选择了时序均方误差(TMSE)

2. DistDF:基于联合分布对齐的训练方法

DistDF 团队注意到:训练预测模型,本质上是让模型预测分布与真实标签的条件分布尽可能接近。受此启发,DistDF 不再依赖传统的极大似然估计,而是直接最小化预测分布与真实条件分布之间的距离,从而规避了标签自相关带来的似然估计偏差问题。

2.1 从条件分布对齐到联合分布对齐

因此,条件分布对齐问题可以转化为联合分布对齐问题。进一步,论文基于最优传输领域的 Wasserstein 距离,进行了理论推导,证明了联合分布的 Wasserstein 距离是条件分布 Wasserstein 距离期望的上界:

因此,最小化历史 - 预测联合分布与历史 - 标签联合分布的 Wasserstein 距离,可以有效实现条件分布的对齐,从而实现预测模型的无偏训练。此外,联合分布的样本可以直接从全体数据集采集,极大丰富了用于估计分布距离的样本数量,提高了距离估算的可靠性。

2.2 基于 Bures-Wasserstein 距离的损失函数

然而,直接计算前述的 Wasserstein 距离需要求解大规模的最优传输问题,在大批量训练时会带来较大的计算负担。幸运的是,在高斯分布假设下,联合分布间的 Wasserstein 距离可以被解析地表示为均值与协方差之间的距离之和:

DistDF 的具体实现步骤如下:

DistDF 是一种模型无关的损失函数,可以支持各类预测模型。

3. 实验结果

DistDF 可以显著提升预测性能。以 ECL 为例,DistDF 将 iTransformer 的 MSE 降低了 2.7%。这些改进归因于 DistDF 能够通过对齐条件分布来处理标签中的自相关性,从而提升预测性能。

DistDF 相比现有损失函数也取得了较大的性能提升。FreDF 和 Time-o1 虽然减少了似然估计的偏差并提升了性能,但残差偏差仍然存在,因此性能仍有改进空间;DistDF 通过最小化条件分布之间的距离,实现了无偏对齐,因此取得了最佳性能。

论文还进行了消融实验,研究均值对齐和协方差对齐对损失函数性能的贡献。结果表明:仅均值对齐或仅协方差对齐相比 DF 都有改进,而结合两者取得了最佳结果,展示了两者的协同效应。

通过可视化预测序列发现,DistDF 生成的预测序列与真实标签序列之间的拟合度更高,同时抑制明显的噪声和异常波动;对困难样本的外推能力更好。

论文还测试了 DistDF 在不同神经网络架构上的表现,包括 TimeBridge、FredFormer、iTransformer 和 FreTS 等,证明了其与模型无关的特性:可以切实有效提升大多数主流预测模型的精度。

4. 结论

本文深入剖析了基于极大似然估计的预测模型训练方法有偏的问题。针对这一痛点,作者提出了 DistDF 训练框架,直接通过对齐条件分布训练预测模型。考虑到有限样本下条件分布之间的距离难以直接估计,论文提出转向联合分布对齐,并理论证明该方法足以保证条件分布对齐。大量实验证明,DistDF 在不同数据集和模型中均带来显著提升。

本研究不仅强调了损失函数设计在时间序列预测中的重要性,还揭示了分布对齐技术在设计时间序列损失函数中的重要潜力。为迁移学习领域自适应生成模型等领域的分布对齐技术在时序任务中的落地应用提供了理论基础和实践思路。

5. 作者介绍

本文通讯作者李昊轩现任北京大学助理研究员,清华大学逻辑学研究中心、牛津大学研究员(Research Fellow)。研究兴趣是因果推断和大模型逻辑推理,以第一作者和通讯作者发表 CCF-A 类论文 50 余篇,谷歌学者引用超 1000 次,国家发明专利授权 17 项,研究成果被麻省理工科技评论、人民日报、中国人工智能学会等报道。

本文通讯作者林宙辰博士现任北京大学智能学院、通用人工智能全国重点实验室教授。他的研究领域包括机器学习和数值优化。他已发表论文 360 余篇,谷歌学术引用超过 42,000 次。他是 IAPR、IEEE、AAIA、CCF 和 CSIG 会士,多次担任 CVPR、NeurIPS、ICML 等会议的 Senior Area Chair,现任 ICML Board Member。本工作得到了北京市科学技术委员会、中关村科技园区管理委员会的大力支持,在此深表感谢。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
高圆圆和当时的男友于小伟在北京一处老式居民楼下的留影

高圆圆和当时的男友于小伟在北京一处老式居民楼下的留影

娱你同欢
2026-11-13 22:28:44
1979年,翁美玲与男友罗柏前往威尼斯出游,1米58的她穿吊带裙与罗柏牵手漫步,镜头下甜蜜画面却藏着不为人知的结局

1979年,翁美玲与男友罗柏前往威尼斯出游,1米58的她穿吊带裙与罗柏牵手漫步,镜头下甜蜜画面却藏着不为人知的结局

磊子讲史
2026-11-04 15:53:33
36岁奥斯卡影后当众掀衣秀假体:我是完整C杯

36岁奥斯卡影后当众掀衣秀假体:我是完整C杯

时光慢旅人
2026-11-20 11:03:53
中国日本韩国女性身高对比:韩国163.2 cm,日本158.5 cm,中国呢?

中国日本韩国女性身高对比:韩国163.2 cm,日本158.5 cm,中国呢?

云居历史
2026-11-21 03:20:53
住久了发现:客厅才是最浪费的空间,看看广东人的设计,实用又好看

住久了发现:客厅才是最浪费的空间,看看广东人的设计,实用又好看

绘本家居
2026-11-20 17:16:34
金价大势已定?不出意外,金价或将回到2024年水平,要有心理准备

金价大势已定?不出意外,金价或将回到2024年水平,要有心理准备

潘撱旅行浪子
2026-11-21 13:32:27
炸锅!曼联被公开炮轰!放弃世界级名帅选波切蒂诺

炸锅!曼联被公开炮轰!放弃世界级名帅选波切蒂诺

奶盖熊本熊
2026-11-21 09:10:54
高市早苗抵达深圳,中方铺红毯,派三军仪仗队迎接

高市早苗抵达深圳,中方铺红毯,派三军仪仗队迎接

烽火观天下
2026-11-18 19:59:31
北京49岁岳母自述:从前并不觉得世上有天生坏种,直到遇到了他

北京49岁岳母自述:从前并不觉得世上有天生坏种,直到遇到了他

温情邮局
2025-05-12 15:59:16
最离谱的搜救,几十人搜山5小时,失踪者就在搜救队里还最卖力

最离谱的搜救,几十人搜山5小时,失踪者就在搜救队里还最卖力

音乐时光的娱乐
2026-11-21 03:47:56
日媒记者“逐帧解析”高市早苗被特朗普无视:非常耻辱,根本没有人理她,这就是现实

日媒记者“逐帧解析”高市早苗被特朗普无视:非常耻辱,根本没有人理她,这就是现实

台州交通广播
2026-11-21 23:09:45
墨西哥总统辛鲍姆搭乘南航CZ8031返程,抵墨后发文致谢机组

墨西哥总统辛鲍姆搭乘南航CZ8031返程,抵墨后发文致谢机组

读创
2026-11-20 20:25:07
返回美国不到24小时,特朗普召开历史性发布会,晒出深圳三大优势

返回美国不到24小时,特朗普召开历史性发布会,晒出深圳三大优势

讲者普拉斯
2026-11-21 11:52:44
没一个比得过深圳?特朗普回国,挨个点名美城市,鲁比奥把话说透

没一个比得过深圳?特朗普回国,挨个点名美城市,鲁比奥把话说透

小七七七七
2026-11-21 17:10:59
哥伦比亚女星晒30年前泳装写真!年轻时身材火辣,粉丝感叹太惊艳

哥伦比亚女星晒30年前泳装写真!年轻时身材火辣,粉丝感叹太惊艳

手工制作阿歼
2026-11-22 01:08:02
25天前刚拿金球奖!拜仁噩耗:凯恩韧带撕裂将休3个月 16场造20球

25天前刚拿金球奖!拜仁噩耗:凯恩韧带撕裂将休3个月 16场造20球

风过乡
2026-11-21 07:03:17
别被《瓦尔特保卫萨拉热窝》忽悠:南斯拉夫游击队真实战力复盘

别被《瓦尔特保卫萨拉热窝》忽悠:南斯拉夫游击队真实战力复盘

民宿体验志
2026-11-20 18:37:19
11月20日俄乌最新:3座桥、3条人命、15个伤员,和一份大国宣言

11月20日俄乌最新:3座桥、3条人命、15个伤员,和一份大国宣言

西楼饮月
2026-11-20 20:38:02
被淘汰后老公放话:我每天看她裸着刷牙

被淘汰后老公放话:我每天看她裸着刷牙

追星雷达站
2026-11-20 08:01:08
7亿!加索尔正式联手科比遗孀!瓦妮莎想开了,官宣决定

7亿!加索尔正式联手科比遗孀!瓦妮莎想开了,官宣决定

喜欢体育的猫
2026-11-21 10:36:48
2026-11-22 03:35:00
机器之心Pro incentive-icons
机器之心Pro
专业的人工智能媒体
14525文章数 142762关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

墨西哥女总统发布深圳行vlog

头条要闻

墨西哥女总统发布深圳行vlog

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

港姐季军吴文忻去世,生前已办追思会

财经要闻

走过三年牛市,黄金何去何从?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

手机
艺术
亲子
时尚
本地

手机要闻

iPhone Air 2最新机模曝光!后置双摄 新增4800万像素超广角

艺术要闻

世界十大著名宫殿盘点:中国独占两席

亲子要闻

有两个儿子,是老天给您的双倍福气

提升冬日幸福感的8件小事,太治愈了

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

无障碍浏览 进入关怀版