Si预测实验复盘：踩了4个编码坑才发现，改模型不如改特征

Si预测实验复盘：踩了4个编码坑才发现，改模型不如改特征

刚上手时序预测时，我总有个执念：模型效果不好，要么是结构不够复杂，要么是调参不够细。直到上周做Si含量预测实验，踩了4个编码坑、跑完多组对照实验后才明白：很多时候瓶颈根本不在模型，而在你没注意到的细节和优先级搞错的优化方向。这次实验全程仅用13分钟完成训练，GPU峰值内存占用不到0.1GB，最终却得出了一个反常识的结论：人工先验特征的效果，是模型结构优化的2倍以上。

一、先踩4个坑：代码跑通才是实验的前提

这次实验的代码调试阶段，前前后后浪费了近1小时，全踩在了4个看起来低级、实则非常耗时的坑上：

1. 索引转换错误：一开始把时间格式的索引直接转成int()类型，导致时间序列完全错位，训练数据失真，后来改成str()转换才恢复正常，光排查这个错位问题就花了20分钟。
2. 模型参数拼写错误：自定义的SiPredictor模型层数参数，我误写成了num_layers，正确参数名是n_layers，导致模型结构根本没按预期加载，跑了半天训练的是错误配置，改完之后验证集效果直接涨了3个点。
3. Pandas滚动统计语法错误：计算滚动标准差时用了当前版本不兼容的语法，导致输出的特征全是NaN，后来翻Pandas官方文档改了对的写法，特征才正常生成。
4. AMP兼容性问题：开启混合精度训练时，np.polyfit输出的浮点数精度不够，直接触发报错，最后加了一行.astype(np.float32)就解决了，属于库版本和训练配置的兼容性坑。

这4个坑里，前两个属于低级错误，后两个是库使用和配置问题，踩完之后才意识到：跑通代码比跑出好效果重要得多，很多你以为的“模型效果差”，其实是代码根本没跑对。

二、效果对比：为什么特征工程比改模型更有效？

代码跑通后，我一开始的优化思路是“升级模型”：先试了更深的LSTM结构，又用Optuna自动搜索超参数，跑了13分钟的训练后，Optuna带来的指标提升不到2%，远没有达到预期。

配套更新的实验记录、测试用例和项目汇报大纲，覆盖了7项实测数据、6个测试场景（全部通过）和6页汇报内容，完整还原了实验全流程。后来我转向做特征工程，加了时序滞后项、滚动统计量、周期特征等人工先验特征，最终策略1（特征工程方案）的测试集MSE降到0.010263，RMSE为0.101307，R²达到0.1114，效果比纯调参的方案好了近一倍。最终实验结论非常明确：人工先验特征的效果，是模型结构优化的2倍以上，Optuna自动调参的收益不足2%。这个结论其实打破了之前的执念：不是模型越复杂、调参越细效果越好，尤其是数据量不大的工业场景，先把特征做对，比瞎改模型有用得多。

三、低R²的真相：不是模型不行，是数据有局限

实验最终得到的R²只有0.1114，远低于基线LSTM的0.4628，一开始我以为模型训得有问题，后来排查数据才发现根因：实验用的Sheet2和Sheet3的时间段完全不重叠，没有共同的时间维度可以对齐多变量特征，只能做单变量预测，没有过程相关的特征输入，模型自然学不到有效规律。

后来我们评估了后续优化空间：如果后续补充分过程特征、做多变量建模，R²还能提升0.1-0.2。这个发现非常重要：如果模型效果远低于预期，先别急着改模型，先查数据有没有问题——90%的效果瓶颈，都是数据本身的问题。

四、可带走的方法论

这次实验踩了不少坑，但也总结出了几条可复用的经验，给做时序预测的朋友参考：

1. 先跑通基线，再谈优化：先拿最简单的模型（比如朴素预测、单层LSTM）跑通基线，确认代码逻辑没问题，再考虑优化模型、调参，不然错了都不知道是代码问题还是模型问题。
2. 优化优先级要搞对：特征工程 > 模型调参 > 模型结构升级，尤其是数据量小于10万条的工业场景，手工特征的收益远高于模型迭代，不要上来就堆复杂模型。
3. 踩坑先查低级错误：80%的编码问题都是索引、参数拼写、语法兼容性这些低级错误，先排查这些再查高级问题，能省大量调试时间。
4. 效果瓶颈先查数据：如果模型效果远低于预期，先检查数据的时间对齐、缺失值、特征分布问题，别急着换模型、改结构。

之前总想着用最先进的模型、最复杂的调参逻辑拿结果，这次实验才明白：AI项目落地，细节和数据优先级，永远比堆复杂度重要。