79f3de05f7
modified: checkpoints_final/task1_final/task1_final_model.pkl new file: checkpoints_final/task1_final/task1_tmd_adapter.pkl new file: scripts_4/README.md new file: scripts_4/__init__.py new file: scripts_4/__pycache__/adapter.cpython-314.pyc new file: scripts_4/adapter.py new file: scripts_4/predict_tmd_single.py new file: scripts_4/train_tmd_adapter.py
46 lines
1.3 KiB
Markdown
46 lines
1.3 KiB
Markdown
# 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`
|
||
|