详细内容或原文请订阅后点击阅览
微调时间序列基础模型 Chronos-2 的五种方法
在本系列的第 1 部分中，我们介绍了 Chronos-2，一个时间序列基础模型。我们亲身体验了一个真实的案例研究，看到了 Chronos-2 可以直接开箱即用地做什么，无需任何培训。但正如我们在第 1 部分末尾指出的那样，零样本并不总是足够的。在案例中[…]微调 Chronos-2 的五种方法后，时间序列基础模型首先出现在走向数据科学上。
来源:走向数据科学在本系列的第 1 部分中，-2，一个时间序列基础模型。我们亲身体验了一个真实的案例研究，看到了 Chronos-2 可以直接开箱即用地做什么，无需任何培训。
但正如我们在第 1 部分末尾所指出的，零样本并不总是足够的。
在以下情况下：
微调是自然的下一步。
在这篇文章中，我们将继续第 1 部分中相同的建筑电力需求案例研究，并逐步介绍 Chronos-2 的五个微调场景：
最后，您将拥有一个用于微调 TSFM 的工作模板，该模板已准备好适应您自己的数据。
本系列的第 1 部分介绍了如何对单变量、多变量、协变量信息和交叉学习场景进行 Chronos-2 预测。如果您想立即使用 Chronos-2，请查看此处的帖子。
1. 案例研究概述
让我们快速回顾一下第 1 部分中的设置。
我们有八座商业建筑的综合数据集，记录了每小时的电力需求。我们要解决的任务是预测提前一周，即168小时的总用电负荷。我们有一个物理模拟器来生成数据集，其中总负载被分解为基础负载、插头负载、照明负载和 HVAC 负载。从物理上讲，插头和照明负载由工作日的占用模式决定，而暖通空调负载则由室外温度决定。