相同输入的预测结果不一样

[thisgf]

用相同的模型和同样的输入数据, 得到的预测结果会不一样吗, 而且差别比较大, 上涨概率从60-90.

[shiyu-coder]

单次采样结果可能差别较大，有如下降低随机性的措施：

1. 增大采样次数
2. 降低温度T
3. 降低top_p
   可以试试T=0.6，top_p=0.9的情况下采样30次的结果，应该差异会比较小；如果不是说明存在问题。

[thisgf]

可以加wechat交流一下吗, 有挺多问题想请假你的

[shiyu-coder]

如果还有其他问题欢迎通过邮件联系我

[thisgf]

单次采样结果可能差别较大，有如下降低随机性的措施：

1. 增大采样次数
2. 降低温度T
3. 降低top_p
   可以试试T=0.6，top_p=0.9的情况下采样30次的结果，应该差异会比较小；如果不是说明存在问题。

我根据你说的修改了参数, 但是跑出来的上涨概率也是有差别的, 大概从20-40. 我用的是A股的数据, 里面的行情时间不是连续的, 这个会影响吗.
另外, 请问你的邮箱是多少

[shiyu-coder]

可能通过点预测的方式估计上涨概率确实没有那么稳定（我并没有探索过这种方式的效果），建议使用预测的价格序列的均值（与当前价格的比率）作为结果，往往效果也会更好。A股正常的交易时间不连续是没有影响的，模型训练数据也包含了这点，如果是数据缺失等造成的时间戳缺失可能会有负面影响（虽然模型也能给出预测结果）。我的邮箱你可以在paper的作者栏找到。

[thisgf]

你可以多跑几次你本地的update_predictions.py, 看看输出的结果是不是有差别, 我现在也是直接用demo的代码跑.

[shiyu-coder]

我简单的测试了一下，感觉差异没有你说的这么大，可能低波动的时候差异会大一些，因为模型不确定未来的价格走势。高波动时模型的预测趋势还是比较明确的。

[maohui]

你好作者，
我测试了下，也发现同样的输入，每次输出结果不同，那这如何进行有效评测？ 每次结果都是不一样，比如这次评测出来的效果好，那下次就不一定了，因为每次都不一样。 而且根据不同的数据，每次输出的波动也挺大。综上所述，同样的数据输入，结果不可预测。

[shiyu-coder]

我们的评测是在T=0.6, top_p=0.9, sample_count=10的设定下，结合大规模测试数据集进行的，以尽可能地降低随机性的影响。关于随机性具体有多大影响，我们在不同的sample_count下测试了多个随机种子的结果，具体可以见paper中的Figure 7。从结果来看，预测表现的显著性远高于随机性。

[llllaaaa]

What T and top_p were used during training?

[shiyu-coder]

T and top_p are parameters used in the inference phase to control the randomness of the model output. Similar to LLM, it will only be used during the inference phase and not during the training phase. The target of the training phase is to minimize cross entropy loss.

[skyformat99]

具体怎么用的啊

[shiyu-coder]

具体用法可以参考README：

# Generate predictions
pred_df = predictor.predict(
    df=x_df,
    x_timestamp=x_timestamp,
    y_timestamp=y_timestamp,
    pred_len=pred_len,
    T=1.0,          # Temperature for sampling
    top_p=0.9,      # Nucleus sampling probability
    sample_count=1  # Number of forecast paths to generate and average
)