跳转至

P3-9.7 如何区分预测时可用的输入与之后的结果

Section ID: P3-9.7 Version: v2026.09.20

P3-9.6检查了标签含义和判断条件。现在需要用结果揭晓前实际可用的信息构造输入。预测契约共同约定预测对象、输入的构造时点与规则，以及要预测的结果定义。不仅要看列名，还要核实每个值何时变得可用。

用 10 时的输入预测之后七天

下面用虚构设备说明时间边界。一次预测针对 equipment_id=M-01 在 2026-09-01 10:00 的状态，所有时间均采用韩国标准时间（KST）。即使是同一设备，预测时点不同也视为不同样本。

项目 本例的值与定义
输入截止时间 cutoff_at 2026-09-01 10:00。只使用截至此时系统实际可读取的信息
预测跨度 horizon_days 7 天
结果窗口 2026-09-01 10:00 及之后，2026-09-08 10:00 之前。包含起点、不包含终点
目标 failure_within_7d 确认设备在该窗口内发生故障则为 1；检查完整窗口且没有故障则为 0
尚未确认的结果 保留为未确认。未复核或观察未完成不能填成 0

本例将故障定义为“设备自身异常导致计划动作未能完成，并且原因已在维修记录中确认”。排除计划停机，将该定义记为 failure-v1。下文的数值和 ID 用于说明，不代表真实设备风险。

过去测量的值也可能到达太晚

特征是提供给模型的输入值。这里的 recent_diff 是相同测量条件下近期平均流量减去基线平均流量。近期均值 2.20 L/min、基线均值 2.52 L/min 得到 2.20 − 2.52 = −0.32 L/min。

信息或计算 发生或覆盖时间 实际可用时间 是否作为 9 月 1 日 10 时输入
base-v1 基线 2.52 截至 8 月 31 日 17:00 的已确认资料 8 月 31 日 18:00 可用。保留当时确认的资料及计算版本
近期均值 2.20 与 recent_diff=-0.32 9 月 1 日 09:55 前完成的动作 9 月 1 日 09:58 可用。假设原始记录此时也已到达并核实
新增传感器测量 9 月 1 日 09:59 测量 9 月 1 日 10:02 到达 排除。虽已发生，但在截止后才到达
后来重新计算的 recent_diff 基线纳入了截至 9 月 2 日 17:00 的记录 9 月 2 日 18:00 排除。计算材料包含未来资料
review_result 9 月 1 日 10:20 完成复核 9 月 1 日 10:21 记录 排除。判断产生于预测之后
failure_within_7d=1 9 月 3 日 14:00 故障，经维修确认 本例在 9 月 8 日 10:10 写入结果表 关联为训练结果；排除在 9 月 1 日输入之外

feature_available_at 表示系统实际能够使用该特征值的时刻。除了原始数据到达，还需要完成必要的计算。即使都叫 recent_diff，9 月 1 日确定的值与使用 9 月 2 日资料重算的值也不同。事后创建的表即使标上过去的日期，也不会变成当时的输入。

把之后的结果作为输入，相当于提前给出答案

构造模型时使用预测时不可得的信息，就是数据泄漏。把后来确认的结果关联为训练答案是必要的，但若又把它放入同一样本的输入，就提供了未来信息。

单独的教学样本 窗口结束后确认的 failure_within_7d 复制该结果的 result_code 直接复制 result_code 作为答案
E 1 1 1
F 0 0 0

这两行因为直接复制答案而得到 2 / 2 = 100%。这不是对模型未来预测能力的检验。案例用于说明泄漏，不表示泄漏总会使分数提高同样幅度。无论分数高低，都应先检查输入在预测时是否可用。

review_result=skipped 也不代表没有故障或正常运行。它表示跳过复核的处理状态。如果任务需要之后的故障结果，就必须另外寻找观察和确认记录。

在预测时点区分可用输入与后续结果

flowchart TD
    A["09:58 特征可用"]
    B["09:59 传感器测量发生"]
    C["09/01 10:00 输入截止并预测"]
    D["10:02 测量到达；排除在当时输入之外"]
    E["09/03 14:00 故障发生"]
    F["09/08 10:00 结果窗口结束"]
    G["09/08 10:10 更新结果表"]
    H["将当时输入与之后结果关联为不同列"]
    A --> B --> C --> D --> E --> F --> G
    A -.-> H
    G --> H

箭头表示时间先后和记录关联，并不按比例表示时间间隔。09:59 的测量虽然发生在 10 时截止之前，但 10:02 才到达，因此不能纳入当时的输入。事后构造训练表时，也应重建截止时实际可用的输入，将结果关联为单独的列。

向 Part 4 交接一行数据时需要的依据

交接字段 本例应保留的内容
样本标识 equipment_id=M-01 + cutoff_at=2026-09-01 10:00 KST
输入及可用时间 recent_diff=-0.32 L/min，feature_available_at=2026-09-01 09:58 KST
计算依据 近期均值 2.20、base-v1 均值 2.52、原始记录 ID 列表、覆盖期间、聚合规则
结果边界 target_window_start=2026-09-01 10:00 KST，target_window_end=2026-09-08 10:00 KST，horizon_days=7，包含起点、不包含终点
结果及依据 failure-v1、failure_within_7d=1、故障及维修记录 ID，9 月 8 日 10:10 写入结果表
leakage_check_note 从输入中排除 10:02 到达的测量、未来基线重算值及复核后结果

实际交接时必须填写具体的原始记录、故障及维修记录 ID。这里仅列出需要关联的记录类型，因此该表本身不是已完成训练准备的真实数据。若有多个特征，要分别检查各特征的可用时刻。

练习：① 如果 09:59 测量提前到 09:59:30 到达，能否纳入均值？② 能否用 9 月 2 日基线重算的值覆盖 9 月 1 日的行？③ 能否把未复核状态改成结果 0？

解答：① 到达提前不等于自动纳入。本例的均值覆盖 09:55 前完成的动作，要先检查是否属于聚合范围。若改变输入定义，还必须在 10 时前完成原始数据核实与特征计算，并能在实际运行中复现同一规则。② 不能，因为会引入未来信息。应保留当时的基线及输入版本。③ 不能，未复核意味着结果尚未确认，不等于 0。

无论采用一行特征向量还是保留时间顺序的输入序列，都适用这些时间边界。交给 Part 4 的应包括输入值、结果及重建当时输入所需的依据。训练与评估划分将衔接 P3-9.13 的交接项目。

检查清单

  • 能否写明七天的起止时刻及端点是否包含，并区分输入时刻与结果观察期间？
  • 能否解释为何应从输入中排除 09:59 测量但 10:02 才到达的值、未来基线重算值及复核后结果？
  • 能否用当时的资料和版本重建输入，并区分未复核状态与结果 0？

来源与参考资料