运行时特征和标签的问题，M=全部数据都是feature也都是label吗？

[Malibu351]

作者您好，请问一下informer中，如果数据需要多列特征预测一个多列标签，选择M时，会在训练过程中将全部的feature+label作为输入，同时预测的结果也是feature+label，这样全部的列都是feature，全部的列也都是label……我理想的结果时训练时利用feature数据，而label作为预测结果，这样计算的损失才是需要优化的损失~请问如果实现这个呢？是需要调整enc_inp dec_inp c_out吗，还是需要调整模型？

[suolong007]

您好，我也遇到了同样的问题，请问您解决了吗

[codeMa99]

作者您好，请问一下informer中，如果数据需要多列特征预测一个多列标签，选择M时，会在训练过程中将全部的feature+label作为输入，同时预测的结果也是feature+label，这样全部的列都是feature，全部的列也都是label……我理想的结果时训练时利用feature数据，而label作为预测结果，这样计算的损失才是需要优化的损失~请问如果实现这个呢？是需要调整enc_inp dec_inp c_out吗，还是需要调整模型？

您好，请问解决了吗？

[Xjt128]

你好，这些问题有大佬可以回答一下吗

[LY-must-win]

我也在关注这个问题

[1255652876]

您好，我也一样遇到了问题，假如预测输入是全部数据，输出只取其中一部分作为label呢，也是直接调整enc_inp dec_inp c_out吗

我找到怎么改了，把exp_informer.py里的 f_dim = -1 if self.args.features=='MS' else 0这一行改成f_dim = -1 if self.args.features=='MS' else batch_y.shape[-1]-self.args.c_out就可以只选择c_out长度的label了，至于feature选择直接改enc_in，dec_in就行

[Bolin-Chen1]

您好，我也一样遇到了问题，假如预测输入是全部数据，输出只取其中一部分作为label呢，也是直接调整enc_inp dec_inp c_out吗

我找到怎么改了，把exp_informer.py里的 f_dim = -1 if self.args.features=='MS' else 0这一行改成f_dim = -1 if self.args.features=='MS' else batch_y.shape[-1]-self.args.c_out就可以只选择c_out长度的label了，至于feature选择直接改enc_in，dec_in就行

厉害了大佬。这样是不是默认label列在数据集的最后几列。