详细内容或原文请订阅后点击阅览
您错过的 5 个时间序列基础模型
五种广泛采用的时间序列基础模型，可跨行业和时间范围提供准确的零样本预测。
来源:KDnuggets简介
基金会模型并非以 ChatGPT 开头。早在大型语言模型流行之前，预训练模型就已经推动了计算机视觉和自然语言处理的进步，包括图像分割、分类和文本理解。
同样的方法现在正在重塑时间序列预测。时间序列基础模型不是为每个数据集构建和调整单独的模型，而是在大量且多样化的时态数据集合上进行预训练。它们可以跨领域、频率和范围提供强大的零样本预测性能，通常与需要仅使用历史数据作为输入进行数小时训练的深度学习模型相匹配。
如果您仍然主要依赖经典统计方法或单数据集深度学习模型，您可能会错过预测系统构建方式的重大转变。
在本教程中，我们回顾了五个时间序列基础模型，这些模型是根据性能、通过 Hugging Face 下载衡量的受欢迎程度以及现实世界的可用性来选择的。
1. Chronos-2
Chronos-2 是一个 120M 参数、仅编码器的时间序列基础模型，专为零样本预测而构建。它在单一架构中支持单变量、多变量和协变量预测，并提供准确的多步骤概率预测，而无需特定于任务的培训。
主要特点：
用例：
最佳用例：