01
课程导论与评估体系总览
为什么需要评估模型？评估的终极目标是什么？本课程的学习路径图。
导论体系
02
数据质量评估
缺失值、异常值、噪声数据对预测的影响及诊断方法。
数据清洗诊断
03
特征工程评估
特征相关性分析、特征重要性排序、特征冗余检测。
特征选择相关性
04
模型选择评估
传统统计模型 vs 机器学习模型 vs 深度学习模型的适用场景。
模型对比选型
05
训练过程评估
损失函数收敛性、过拟合与欠拟合诊断、学习率调度评估。
训练监控调参
06
回归指标详解
MAE、MSE、RMSE、MAPE、R² 的数学含义与工程解读。
回归指标
07
时序特有指标
时序预测中的滞后性评估、相位偏移检测、趋势跟随能力。
时间序列偏移
08
不确定性量化
预测区间、置信区间、分位数损失的评估方法。
不确定性区间
09
残差分析
残差的正态性检验、自相关性检验、异方差性检验。
残差诊断
10
交叉验证策略
时间序列交叉验证、滚动窗口验证、扩展窗口验证。
交叉验证时序
11
超参数优化基础
网格搜索、随机搜索、贝叶斯优化的原理与评估。
超参数搜索
12
贝叶斯优化实战
高斯过程代理模型、采集函数（EI、PI、UCB）的选择。
贝叶斯采集函数
13
特征选择优化
基于模型的特征选择、递归特征消除、SHAP值引导的特征筛选。
特征筛选SHAP
14
数据增强技术
时间序列的噪声注入、时间扭曲、缩放、动态时间规整。
增强时序
15
模型集成方法
Bagging、Boosting、Stacking在剩余寿命预测中的应用。
集成Bagging
16
迁移学习评估
源域与目标域的分布差异评估、微调策略的有效性验证。
迁移学习微调
17
模型压缩与加速
知识蒸馏、模型剪枝、量化对预测精度的影响评估。
压缩蒸馏
18
在线学习与模型更新
增量学习评估、概念漂移检测、模型回滚机制。
在线学习漂移
19
鲁棒性测试
对抗样本攻击、传感器故障模拟、极端工况下的模型表现。
鲁棒性对抗
20
可解释性评估
SHAP值、LIME、注意力权重可视化在模型诊断中的应用。
可解释性SHAP
21
部署环境评估
边缘计算 vs 云端推理的延迟、吞吐量、资源消耗对比。
部署边缘计算
22
A/B测试框架
在线评估策略、流量分割、假设检验在模型迭代中的应用。
A/B测试假设检验
23
模型监控体系
数据漂移检测、预测分布监控、性能退化预警。
监控漂移
24
评估报告自动化
自动生成评估仪表盘、关键指标看板、异常告警规则。
自动化看板
25
案例研究一：LSTM齿轮箱
基于LSTM的风机齿轮箱剩余寿命预测模型评估。
案例LSTM
26
案例研究二：Transformer叶片
基于Transformer的叶片结冰预测模型优化全流程。
案例Transformer
27
案例研究三：多传感器融合
多传感器融合模型在主轴轴承预测中的评估与调优。
案例融合
28
案例研究四：轻量化SCADA
轻量化模型在SCADA系统上的部署评估与优化。
案例轻量化
29
行业标准与合规
ISO 13374、IEC 61400-25对模型评估的要求。
标准合规
30
课程总结与未来趋势
数字孪生、大模型、联邦学习在剩余寿命预测中的前景。
总结趋势