时间序列预测的不可理喻之难
来源：suzyahyah.github.io — 2026-07-22
📋 概述
作者以自身在时间序列预测项目中的经历，揭示了这一领域被严重低估的困难。即使是最先进的 Transformer 和时序模型，在面对现实世界数据中的概念漂移、非平稳性和稀疏信号时也频频失败。文章呼吁业界正视时序预测的根本性挑战，而非一味追逐模型参数规模。
🔑 核心要点
- Transformer 和深度学习模型在真实时序数据上表现不及统计基线。
- 概念漂移是时序预测中最被低估的挑战，模型在部署后迅速退化。
- 数据中的非平稳性使得训练集和测试集的分布严重不匹配。
- 作者建议回归简单统计模型，并重视特征工程而非模型架构。
💡 金句
时序预测的敌人在数据里，不在模型中。
👍 0
👎 0
← 返回 Hacker News 首页