原始论文链接：https://arxiv.org/abs/2402.02592
论文代码：https://github.com/SalesforceAIResearch/uni2ts
论文介绍PDF：https://icml.cc/media/icml-2024/Slides/35515_0AiUB3v.pdf
在这个页面，我们对lotsa_v1的各个数据信息进行分析，lotsa_v1一共有 170 个子数据集。
原文分了BuildingsBench，ClimateLearn，CloudOps TSF，GluonTS，LargeST，LibCity，Monash，ProEnFo，SubseasonalClimateUSA，Others这10个子集，而这里根据其领域的关系，进一步聚合为下面8个domain。（但其实有些内容也无法归于同一个domain，比如gluon_ts里面包含了monash archive许多不同领域的时序数据）
"buildings_bench": [BuildingsBenchDatasetBuilder, Buildings900KDatasetBuilder],
"cloud_ops_tsf": CloudOpsTSFDatasetBuilder,
"climate": [CMIP6DatasetBuilder, ERA5DatasetBuilder, SubseasonalDatasetBuilder],
"gluon_ts": GluonTSDatasetBuilder,
"large_st": LargeSTDatasetBuilder,
"lib_city": LibCityDatasetBuilder,
"pro_en_fo": ProEnFoDatasetBuilder,
"others_lotsa": OthersLOTSADatasetBuilder,
在初步分析前，我们先来看看lotsa数据集的格式
huggingface数据集链接：https://huggingface.co/datasets/Salesforce/lotsa_data
在所有文件里有很多文件夹，每个文件夹对应一个子数据集，读取方式如下。
datasets.load_from_disk(str(env.LOTSA_V1_PATH / dataset_name)).with_format("numpy")
下面以HZMETRO为例，来看其内部的结构。
数据是以huggingface dataset的结构存储。通俗来理解，一个dataset就是一个table，每一行对应了一个时间序列数据，其中列名包括：item_id，start（target的开始时间戳），freq（数据频率），target（单变量 / 多变量时间序列）。
论文中对HZMetro数据的介绍如下图所示，可以看见其频率为15T，一共有80个时间序列（对应于数据集中的行数为80，也即80个不同的item_id），#Targets为2表示其每个时间序列有两个变量维度，即是多变量时间序列，最后一列#Obs.代表了数据集中的时间点个数总和（“total number of observations in the dataset (defined as $\sum_{i=1}^N T_i$ for a dataset with N time series).”）。
此外有些数据集还存在covariates，即Table 13中的# Past Covariates列，如果存在的话其时间应该是和Targets严格对应的。
<aside> ⚠️
这里由于HZMETRO这个数据集，论文中的数值和我计算出来的结果不一致，我又根据原作者代码（https://github.com/SalesforceAIResearch/uni2ts/blob/main/example/lotsa_v1_weighting.ipynb）进行了复核，应该是论文中数值统计错了（因为其他数值大部分是可以对上的）。
</aside>
