qing
f3bb09e6b5
审查确认三篇方案（固定范围归一化+逐列加权、多头 one-hot、 安全图像增强）均已落地实现，删除对应文档；同步修复 4 篇 实验报告与 bins.py docstring 中的 6 处引用，MODULES.md 文档 计数更新为 64 篇。
3.1 KiB
3.1 KiB
actpred 验证集划分方式实验报告：整集 vs 样本级随机
文档类型：实验报告 模块：actpred 作者：自动生成 日期：2026-08-15 前置：
actpred_zscore_baseline_20260815.md（模型 B 基线）
1. 问题
模型 F/F2 系列（one-hot，v2 数据）出现过拟合签名：train loss 持续下降（2.40→1.57）而 val loss 平台后上行（1.73→2.09），且 val 波动剧烈（区间 1.74-2.0）。
排查后发现选模信号本身有缺陷：
- 旧划分方式（
split_episodes）按 episode 整集划分：val_split=0.15 × 12 集 → 验证集只有 1 个 episode、60 个样本 - 60 个样本全来自同一集（tilt 类），val loss 主要反映"这一集的难度"而非泛化能力
- 波动大 + 分布偏 → early stopping 的 best 模型选择被噪声主导
2. 方案：样本级随机划分
新增 --val-split-mode {episode, sample}（新默认 sample）：
dataset.py：ActionDataset新增sample_indices参数（构建后按索引过滤）；zscore 统计量仍只由训练子集计算（经 stats 文件复用给验证集，统计口径正确性不变）train.py：sample 模式下先建全量数据集取样本索引，按 seed 42 随机排列，取 val_ratio 为验证集- 效果：验证集从 60 → 142 样本（810 train / 142 val），跨全部 12 个 episode 混合
3. 结果对比（同配置：onehot + spk 固定 + v2 数据）
| F2（整集划分） | F2b（样本级划分） | |
|---|---|---|
| 验证集 | 60 样本（1 集） | 142 样本（12 集混合） |
| val 起点 | 1.914 | 2.056（更难、更有代表性） |
| 最优 | 1.737（epoch 7） | 1.695（epoch 5，仍在下降） |
| 收敛形态 | 平台后上行（过拟合签名） | 平滑连续下降 |
| val 波动 | ±0.15（1.74-2.0） | ±0.05（无跳变） |
F2b 在更难的代表性验证集上取得更低的 val loss，且曲线平滑无异常跳变——说明 F2 的"过拟合"判断部分被验证集噪声误导，真实模型能力被低估。
4. 已知代价（诚实记录）
样本级划分略乐观：微动作插值使相邻样本高度相关（0.75°/步），随机划分后每个验证样本的近邻大量在训练集，val 会略高估泛化。适用场景：
- 选模/早停（本次用途）：噪声小、跨集混合 → 更可靠的 best 选择信号 ✓
- 能力评估（需保守口径）：仍建议整集划分或 leave-one-out，避免乐观偏差
5. 实施细节
dataset.py::ActionDataset(sample_indices=...)：样本按索引过滤，位置在样本构建后、统计量计算前- 签名顺序调整：
sample_indices置于frame_len之后，避免破坏既有位置参数调用（曾因插入位置错误导致 frame_len 错位 TypeError） config.py：TrainConfig.val_split_mode（默认 "sample"）+ CLI + 校验- 测试：+2（样本过滤与统计口径、CLI 映射），全套 185 通过
6. 后续
- F2b 训练完成后跑闭环评估，验证 onehot + spk 固定 + 新划分的实际闭环收益
- 若需严格能力评估，增加
--val-split-mode episode复跑对照，或 leave-one-out 交叉验证