详细内容或原文请订阅后点击阅览
TimesFM：时间序列预测中基础模型的繁荣
探索 Google 的最新 AI 模型如何使用超过 3070 亿个数据点实现零样本预测准确度继续阅读 Towards Data Science »
来源:Nonetimesfm：时间序列预测的基础模型的繁荣
探索Google的最新AI模型如何使用超过3007亿个数据点提供零击预测精度
这篇文章与Rafael Guedes合着。
简介
预测是所有行业中最重要的用例之一。一个例子是零售业。几项计划活动需要预测功能，这些活动有助于优化利润率，例如财务，生产或劳动力计划。例如，这可能会影响股票管理，例如浪费，剩菜或库存，客户服务水平以及整体决策。
开发一个准确的预测模型来支持上述过程，需要深入了解最先进的（SOTA）预测方法。同时，它需要应用它们的特定业务领域知识。这两个因素激发了人们对预训练模型的兴趣日益增加 - 它们减少了对高度自定义设置的需求。在自然语言处理（NLP）社区（又称大型语言模型（LLMS））中，大型预训练模型的成功的动机，我们与许多贡献者有了研究路径。
从理论上讲，我们知道语言和时间序列任务之间的几个相似之处，例如数据是顺序的。另一方面，一个关键区别是…