BUSS6002 Data Science Project

🧩 模板函数会自己挪断点

模板里的 design_mat_pwc 等四个函数，每次都拿传进来的 x 现算 x_min 和 x_max，再按 Equation (1) 定断点。在全样本上调用没问题，全样本的范围就是 1 到 131，演示图看起来一切正常。

到了预测 2022 年 5 到 7 月这一步，你把 [132, 133, 134] 直接传进去，断点全挤进 132 到 134 这三个月之间，三个预测值一起走样，代码照样跑完，不报任何错。测试集碰巧缺第 1 个月或第 131 个月时，测试 RMSE 用的也是另一套断点，跟训练时的基函数对不上。

我的做法：先把断点固定成 x_min = 1、x_max = 131，训练、验证、测试和预测都套这一组。改法很简单，给函数加两个参数，把这两个数从外面传进去。

📏 测试 RMSE 压不到 48 以下

EPU.csv 有 2724 行，只覆盖 131 个月，每个月 18 到 23 行。模型只看 Month Index，同一个月只能给出一个预测值，月内这些观测的上下波动它解释不了。按每个月的均值去算，这部分误差约 48；只拿全样本均值去猜，误差大约 90。

所以四种基函数的测试 RMSE 会落在 50 到 67 之间，彼此只差几个点，换个随机种子排名还可能变。你算出来低于 48，多半是测试集混进了拟合，先回头查划分。

讨论 RMSE 表时先把 48 这条线写出来，再说谁离它更近，差距主要出在 2020 年 COVID 那几个月还是平稳的年份，讨论就有了尺度，不再只是复述表里的数字。

🔮 测试 RMSE 低，预测未必准

官方规定按行随机划分 60%、20%、20%，同一个月的观测会同时进训练、验证和测试集。测试 RMSE 衡量的是模型在已经见过的月份里插值的本事，它说明不了模型往后推得准不准。

5 到 7 月对应 x = 132、133、134，全在样本外面。四种基函数在这里怎么走，由形状决定：阶梯停在最后一个台阶，Radial 离断点太远，几乎退回截距。比如选中的是阶梯，5 月、6 月、7 月就是同一个数，等于末段那几个月观测的平均水平。你只报三个数字，预测那一项就缺了怎么得到的这一半。

我的做法：写清用哪一族、哪个 k、β 用哪部分数据估计，再用一两句讲外推形状，并把它放进 Conclusion 的局限里。