面向时间序列预测的原则化测试时适应
机器学习
2026-05-19 v1
摘要
测试时适应（TTA）最近 emerge 为提高时间序列预测（TSF）在分布迁移下的表现的有前景的方法。现有的TSF-TTA方法在如何利用揭露目标方面存在差异，但所 resulting 的适应协议仍不统一且缺乏清晰的统一表述。为解决此问题，我们从协议整洁性的角度重新审视TSF-TTA，提出一种仅基于成熟真实目标的适应协议，为适应提供更原则化的设定。在此协议下，我们进一步在频域诊断现有适应器，发现其预测校正常常表现为有限且结构较弱的频谱修改。鼓励此诊断，我们提出频率感知校准（FAC），这是一种轻量级校准方法，直接对预测校正在频率域中进行参数化。在多样化的数据集、预测时域和来源 forecasters 之间，FAC实现了具竞争力且一致的性能，同时所需可训练参数显著少于比较的TSF-TTA适应器。
引用
@article{arxiv.2605.17250,
title = {Towards Principled Test-Time Adaptation for Time Series Forecasting},
author = {Haochun Wang and Ruichen Xu and Georgios Kementzidis and Karen Cho and Sebastian Ramirez Villarreal and Yuefan Deng},
journal= {arXiv preprint arXiv:2605.17250},
year = {2026}
}