# scripts_4: TMD 小样本适配

本目录实现二阶段方案：

1. 基础模型（`Non_TMD` 训练得到的 `task1_final_model.pkl`）先给出基线预测；
2. 用极少量 `TMD` 样本拟合频率相关比例系数 `k(f)`；
3. 输出 `TMD` 预测：`y_tmd = k(f) * y_base`。

## 为什么这样做

- 仅 5 个 TMD 点直接重训主模型容易过拟合；
- 保留基础模型泛化能力，只学习域偏移；
- 通过 `shrinkage` 把校正系数向 `1.0` 收缩，降低小样本波动影响；
- 频率外推时会自动向 `1.0` 回归，避免越界夸张。

## 脚本说明

- `train_tmd_adapter.py`：拟合并保存适配器，同时输出 LOOCV 报告。
- `predict_tmd_single.py`：加载基础模型 + 适配器，对单个 TMD 文件推理。
- `adapter.py`：频率校正器定义与序列化工具。

## 使用方法（请使用虚拟环境 Python）

```bash
.venv/bin/python scripts_4/train_tmd_adapter.py
```

```bash
.venv/bin/python scripts_4/predict_tmd_single.py \
  --file downloads/TMD/val/harmonic_5mm_1.25Hz_TMD.csv
```

可选参数示例：

```bash
.venv/bin/python scripts_4/train_tmd_adapter.py \
  --shrinkage 0.25 \
  --extrapolation-decay-hz 0.3
```

## 输出文件

- 适配器：`checkpoints_final/task1_final/task1_tmd_adapter.pkl`
- 报告：`evaluation_outputs/task1_final/tmd_adapter_report.json`