日内不同样本，能否保证训练时选择的数据为每个样本时间序列？

[Malibu351]

您好，我使用的数据是股票数据，大致可以理解为每天有4k只股票的数据，并且每天每只股票都有全新的数据。 之前我将数据拉长到一维，这样每天相当于1个样本，训练时freq可以选择d，训练结果可能还需要调调参数。 但是我想要增加几种损失函数，之前将数据拉长到1维的方法无法继续。 请问： 1.模型能够支持输入三维度的数据呢，比如：时间股票特征，我看到样例数据都是时间*特征，不清楚这样是否可行； 2.如果认为股票是独立的，彼此没有区别，那么相当于每日有4k条数据，那我在训练时将pred选择为d，能不能保证训练时，每一条数据的seq_len label_len pred_len都是该样本的时间序列呢？

我本身是学统计做数据处理的，对深度学习的代码不是很熟悉，有些地方看完还是不清楚，所以有上面的疑问，如果能解答不胜感激，也希望能够通过邮件求教。

[MountVoom]

请问您想增加什么损失函数呢？按照您的描述，我认为是一种多变量预测任务，Informer是可以支持的，相当于数据每一列是一只股票很多天的数据。这样训练时一条数据就代表着一段时间内，这4k只股票的信息。 比如您csv可以以一下形式组织： date, stock1, stock2, stock3, ... , stock4000 day1,-,-,-,...,- day2,-,-,-,...,- day3,-,-,-,...,- ...

[Malibu351]

您好感谢回复，确实是多变量预测任务，但是有很多变量，数据类型类似于 date, stock, feature1, fea2, ..., featureN, label day1, stock1, --- day1, stock2, --- ... day1, stock4000--- day2, stock1,--- day2,stock2,--- .... day2, stock4000,--- ... dayN 之前尝试过将4只票拉长到一维，就是纵轴为日期，横轴为4000支票的不同特征和标签，但是新的损失函数无法支持这种数据输入方式，只能修改为上述的方式，所以想问一下这样输入时，能够保证每次同一个batch中，时间序列上是否能够保持正确的顺序呢

[YiXingReal]

我接下来的项目也会涉及到这个问题，我初步的设想是 date, stock1, stock1_feature1, stock1_feature2,stock2, stock2_feature1, stock2_feature2................ day2,-,-,-,...,- day3,-,-,-,...,- 但并没有理论依据