关于re-scale data的问题

[wubo2180]

您好，

非常感谢您的工作。我在base_tsf_runner.py文件中发现val_iters以及train_iters函数中都有一个re-scale data的操作。即
prediction_rescaled = SCALER_REGISTRY.get(self.scaler["func"])(forward_return[0], **self.scaler["args"]) real_value_rescaled = SCALER_REGISTRY.get(self.scaler["func"])(forward_return[1], **self.scaler["args"])
请问这两行代码功能是什么，为什么不能直接用forward计算出来的pred计算loss和metric.

祝好！

[S22]

您好，时间序列的预处理过程中存在一个归一化过程，例如标准归一化等。归一化之后的结果方便神经网络进行读取和训练。
然而，在计算Loss和评测指标（MAE、MAPE、RMSE等）时，需要将其重新归一化到其原有的数值范围内，这样得到的指标才有实际意义。
例如，Traffic Flow数据通常取值在0～数百，而Traffic Speed通常取值在0到70。归一化之后再计算评测指标是更加合理的操作。

[wubo2180]

谢谢！