如果数据集中没有date信息（有时序编号），如何使用TimeMixer进行时序数据预测

[sunxcn]

你好，我有一个数据集，列名分别是实验ID（shot_id）、时序编号（seq_no）、信号数据1（FIR1）、信号数据2（FIR2）、信号数据3（FIR3）、信号数据4（FIR4），不同的实验shot_id不同，相同shot_id下，seq_no从0递增，我希望利用当前数据集训练一个模型，当未来FIR3在某次实验中，出现数据缺失时，能够通过FIR1、FIR2和FIR4来预测FIR3信号（FIR3一般会有开始一段数据，后面的数据出错，所以全部丢弃缺失了）。
我看了项目的代码，把embed参数设置成了learned（否则代码会对时间进行embedding，数据集没有时间属性），把task_name设置成了long_term_forecast，features设置成MS，修改data_factory.py，增加一种data_loader（Dataset_FIR），参考Dataset_Custom，自定义了Dataset_FIR类，__read_data__函数中剔除了df_stamp那段代码。里面有两行代码没太看明白，我也没改。
self.data_x = data[border1:border2]
self.data_y = data[border1:border2]
运行时，我发现__getitem__好像忘记改了（这个简单，直接删掉对应data_stamp代码就可以）。
我现在的问题是，不确定这样修改是否有什么问题，后面还有哪些坑。另外，由于不同shot_id，数据是不同的，因此，我把shot_id也作为一路feature，跟FIR1、FIR2、FIR4一起作为输入。

[kwuking]

你好，非常感谢对于我们工作的关注，您可以先运行一下您修改的方式，尝试下是否输出符合预期，然后逐步进行调试