arXiv cs.LG·2 天前★ 2

RainCheck：孟加拉国降雨预测机器学习评估存在数据泄漏

原文标题：RainCheck: Harnessing Historical Weather Data with Machine Learning for Rainfall Forecasting in Bangladesh

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

研究基于孟加拉国气象局 35 个站点 61.8 万站点日数据，比较随机、时间与时空三种评估方式。发现仅用站点月度气候态即可达 88.4% 高降雨月分类准确率，随机划分下的模型在预测未来年份时性能反而低于气候态。作者发布防泄漏评估协议与代码。

论文速读 · 四段结构去论文速读 →

问题: 降雨预测的机器学习评估常用随机划分，导致数据泄漏并高估模型能力。
方法: 基于孟加拉国 35 个站点 61.8 万站点日数据，对比随机、时间、时空三种评估，以及仅日历特征与含前期降雨特征、六种学习器与气候态等基线。
结果: 仅站点月度气候态即达 88.4% 高降雨月分类准确率（AUC 0.950）；仅日历特征的随机森林随机划分下次日湿日 AUC 0.889，时间评估降至 0.835，低于气候态 0.859。
影响: 提醒做时序预测的团队随机划分会严重虚高指标，应改用时间或时空划分并对照气候态基线。

AI 处理过程展开/收起

原始标题：RainCheck: Harnessing Historical Weather Data with Machine Learning for Rainfall Forecasting in Bangladesh

AI 中文标题：RainCheck：孟加拉国降雨预测机器学习评估存在数据泄漏

来源：arXiv cs.LG · 发布于 2 天前

分类：学术研究 · AI 重要度：★ 2（2）

标签：降雨预测 / 数据泄漏 / 评估协议 / 机器学习

关键词：降雨预测 / 数据泄漏 / 模型评估 / 气候态 / 机器学习

AI 处理：2026/10/30 15:01:55 · 模型 deepseek-chat · 规则版本 2026-10-21.1

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。

相关推荐