详细内容或原文请订阅后点击阅览
使用 Chronos-Bolt 和 AutoGluon 进行快速准确的零样本预测
Amazon SageMaker 客户可以通过 AutoGluon-TimeSeries 和 Amazon SageMaker JumpStart 使用 Chronos 模型。在这篇文章中，我们介绍了 Chronos-Bolt，这是我们最新的预测 FM，已集成到 AutoGluon-TimeSeries 中。
来源:亚马逊云科技 _机器学习Chronos-Bolt 是 AutoGluon-TimeSeries 的最新成员，可提供比原始 Chronos 模型 [1] 快 250 倍的准确零样本预测。
时间序列预测在指导零售、能源、金融和医疗保健等行业的关键业务决策方面发挥着至关重要的作用。传统上，预测依赖于统计模型 [2]，例如 ETS 和 ARIMA，这些模型仍然是强大的基线，尤其是在训练数据有限的情况下。在过去十年中，深度学习的进步促使人们转向所谓的全局模型，例如 DeepAR [3] 和 PatchTST [4]。这些方法在数据集中的多个时间序列中训练单个深度学习模型 - 例如，广泛的电子商务目录中的销售额或数千名客户的可观察性指标。
全局 DeepAR基础模型 (FM)（例如 Chronos [1]）将跨多个时间序列训练单个模型的想法向前推进了一大步。这些模型在大量真实和合成时间序列数据上进行了预训练，涵盖不同的域、频率和历史长度。因此，它们可以实现零样本预测 - 对未见过的时间序列数据集提供准确的预测。这降低了预测的进入门槛，并通过提供准确的预测而无需训练来大大简化预测流程。Chronos 模型已从 Hugging Face 下载超过 1.2 亿次，并且可通过 AutoGluon-TimeSeries 和 Amazon SageMaker JumpStart 供 Amazon SageMaker 客户使用。
Chronos Hugging Face Amazon SageMaker AutoGluon-TimeSeries Amazon SageMaker JumpStart在本文中，我们介绍了 Chronos-Bolt，这是我们最新的预测 FM，已集成到 AutoGluon-TimeSeries 中。
介绍 Chronos-Bolt
直接多步预测 加权分位数损失 平均绝对缩放误差 Hugging Face解决方案概述
使用 Chronos-Bolt 执行零样本预测
Amazon SageMaker Studio 笔记本TimeSeriesDataFrame
NaN
fit()