TimeGPT

Lag-Llama:第一个时间序列预测的开源基础模型介绍和性能测试

2023年10月，我们发表了一篇关于TimeGPT的文章，TimeGPT是时间序列预测的第一个基础模型之一，具有零样本推理、异常检测和共形预测能力。
deephub·2024-02-20 08:16

Lag-Llama:第一个时间序列预测的开源基础模型介绍和性能测试

2023年10月，我们发表了一篇关于TimeGPT的文章，TimeGPT是时间序列预测的第一个基础模型之一，具有零样本推理、异常检测和共形预测能力。
·2024-02-15 10:32

论文笔记：TimeGPT-1

时间序列的第一个基础大模型1方法最basic的Transformer架构采用了公开可用的最大时间序列数据集进行训练，包含超过1000亿个数据点。训练集涵盖了来自金融、经济、人口统计、医疗保健、天气、物联网传感器数据、能源、网络流量、销售、交通和银行业等广泛领域的时间序列具有多种季节性、不同长度的周期和各种趋势类型的序列还在噪声和异常值方面有所不同2结果3一点私货时间论文并没有怎么说明不同时间序列在
UQI-LIUWJ·2024-01-29 06:56

时间序列大模型：TimeGPT

通过对预训练模型进行了评估，并与既定的统计、机器学习和深度学习方法进行了比较，证明了TimeGPT在性能、效率和简单性方面表现出色。1介绍
AI知识图谱大本营·2024-01-24 10:53

工具系列：TimeGPT_(4)预测区间数据

文章目录预测区间历史预测预测区间预测区间提供了对预测值的不确定性的度量。在时间序列预测中，预测区间根据您设置的置信水平或不确定性，给出了一个估计的范围，未来观测值将在其中。这种不确定性水平对于做出明智决策、风险评估和规划至关重要。例如，95%的预测区间意味着在100次中，有95次实际未来值将落在估计范围内。因此，较宽的区间表示对预测的不确定性更大，而较窄的区间则表示更高的置信度。在使用TimeGP
愤斗的橘子·2023-12-30 20:50

工具系列：TimeGPT_(5)特定领域微调模型

Fine-tuning（微调）是一种更有效地利用TimeGPT的强大过程。基础模型在大量数据上进行预训练，捕捉广泛的特征和模式。然后可以将这些模型专门用于特定的上下文或领域。
愤斗的橘子·2023-12-30 03:40

工具系列：TimeGPT_(9)模型交叉验证

TimeGPT理解时间序列预测的复杂需求，融合了cross_validation方法，旨在
愤斗的橘子·2023-12-29 05:09

工具系列：TimeGPT_(8)使用不规则时间戳进行时间序列预测

文章目录介绍不规则时间戳的单变量时间预测不规则时间戳的外生变量时间预测介绍在处理时间序列数据时，时间戳的频率是一个关键因素，可以对预测结果产生重大影响。像每日、每周或每月这样的常规频率很容易处理。然而，像工作日这样的不规则频率（不包括周末）对于时间序列预测方法来说可能是具有挑战性的。我们的预测方法可以处理这种不规则的时间序列数据，只要您指定了序列的频率。例如，在工作日的情况下，频率应该传递为’B’
愤斗的橘子·2023-12-29 05:08

工具系列：TimeGPT_(1)获取token方式和初步使用

介绍Nixtla的TimeGPT是一种用于时间序列数据的生成式预训练预测模型。TimeGPT可以在没有训练的情况下，仅使用历史值作为输入，为新的时间序列生成准确的预测。
愤斗的橘子·2023-12-27 19:36

工具系列：TimeGPT_(3)处理假期和特殊日期

它们为时间序列的当前状态提供了额外的上下文信息，特别是对于基于窗口的模型（如TimeGPT-1）而言。这些变量通常包括添加每个观测的月份、周数、日期或小时数的信息。
愤斗的橘子·2023-12-27 18:49

工具系列：TimeGPT_(2)使用外生变量时间序列预测

文章目录TimeGPT使用外生变量时间序列预测导入相关工具包预测欧美国家次日电力价格案例TimeGPT使用外生变量时间序列预测外生变量在时间序列预测中非常重要，因为它们提供了可能影响预测的额外信息。
愤斗的橘子·2023-12-27 12:49

【时序分析】TimeGPT：首个时间序列分析基础大模型

TimeGPT：首个时间序列分析基础大模型1.论文解读1.1研究背景1.2TimeGPT详解1.2.1时间序列预测问题基础1.2.2TimeGPT架构1.2.3训练数据集1.2.4训练TimeGPT1.2.5
镰刀韭菜·2023-12-23 14:39

TimeGPT：时序预测领域终于迎来了第一个大模型

时间序列预测领域在最近的几年有着快速的发展，比如N-BEATS、N-HiTS、PatchTST和TimesNet。大型语言模型(llm)最近在ChatGPT等应用程序中变得非常流行，因为它们可以适应各种各样的任务，而无需进一步的训练。这就引出了一个问题:时间序列的基础模型能像自然语言处理那样存在吗?一个预先训练了大量时间序列数据的大型模型，是否有可能在未见过的数据上产生准确的预测?通过AzulGa
Python算法实战·2023-12-19 17:02

TimeGPT：时间序列预测模型实例

时间序列预测领域正在经历一个非常激动人心的时期。在过去的三年里，我们见证了许多重要的贡献，如N-BEATS、N-HiTS、PatchTST和TimesNet等。同时，大型语言模型（LLM）近来在流行度方面取得了很大的成功，例如ChatGPT，因为它们可以适应各种任务而无需进一步训练。这引出了一个问题：类似于自然语言处理中存在的基础模型，是否可以存在用于时间序列的基础模型？是否可能对大量时间序列数据
小北的北·2023-12-04 13:35

时间序列预测大模型-TimeGPT

时间序列预测领域正在经历一个非常激动人心的时期。仅在过去的三年里，我们就看到了许多重要的贡献，例如N-BEATS、N-HiTS、PatchTST和TimesNet。与此同时，大型语言模型(LLM)最近在ChatGPT等应用程序中广受欢迎，因为它们无需进一步训练即可适应各种任务。这就引出了一个问题：时间序列的基础模型是否可以像自然语言处理一样存在？在大量时间序列数据上预先训练的大型模型是否有可能对未
Omer_·2023-11-03 02:40

TimeGPT-1——第一个时间序列数据领域的大模型他来了

最近刚刚发表的一篇论文，AzulGarza和MaxMergenthaler-Canseco提出的TimeGPT-1，将llm背后的技术和架构应用于预测领域，成功构建了第一个能够进行零样本推理的时间序列基础模型
Together_CZ·2023-11-03 02:39
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他