Verwendet der temporale Fusionstransformator die Grundwahrheit des Ziels während des Tests? ⇐ Python

[Guest]

In dieser neuronalen Netzwerkstruktur möchte ich, dass das Modell den Zug und die Validierung durchführt, ohne die historischen Zielwerte zu verwenden und die Vorhersage direkt durch die Kovariaten zu machen. Daher habe ich diese festgelegt, um das Modell mit historischen Zielinformationen zu vermeiden:
time_varying_unknown_reals=[]
time_varying_known_reals=[cov1, cov2, cov3].
< /code>
Im Test muss das Modell die Grundwahrheit des Zielwerts, nicht der NAN- oder feste Wert angeben, was bedeutet, dass das Modell immer noch auf die Grundwahrheit des Zielwerts bezieht die Vorhersage. Aber im wirklichen Fall sollte der Zielwert durch Kovariaten vorhergesagt werden, und es ist nicht möglich, die Grundwahrheit des Ziels im Voraus zu kennen.
Meine Fragen wären:
Verwendet das Modell die Grundwahrheit des Ziels während des Trainings und Tests? Probenahme zur Steuerung der Menge an Grundwahrheitseingabe in das Modell während jeder Trainingseinheit, um den Trainingsprozess und den Testprozess in genau derselben Situation aufrechtzuerhalten. (Autoregressiv -Training mit vorhergesagten Werten)