Ensemble-Prognose mit IBM Granite Zeitreihenmodellen
huggingface ·
IBM Research hat Granite Timeseries Ensemble vorgestellt, ein Tool, das vier verschiedene vortrainierte Zeitreihenmodelle kombiniert, um robuste Prognosen ohne Neuschulung zu ermöglichen. Das Ensemble integriert Architekturen wie Patched Transformers, Conformer, State-Space-Modelle und Tiny Time Mixers, um diverse Datenmuster abzubilden. Nutzer können zwischen zwei Aggregationsmethoden wählen: dem empfohlenen Probabilistic Ensemble, das eine gleichmäßige Gewichtung verwendet, oder dem adaptiven IQR Ensemble, das die Gewichte basierend auf der Prognosestreuung anpasst. Bewertungen auf dem GIFT-Eval-Benchmark zeigen, dass beide Ensemble-Ansätze die aggregierte Punktprognosegenauigkeit (MASE) im Vergleich zu einzelnen Mitgliedmodellen übertreffen. Während einzelne Modelle wie PatchTST-FM-r2 möglicherweise niedrigere probabilistische Fehlerwerte erzielen, bietet das Ensemble eine überlegene Konsistenz und reduziert den Bedarf an manueller Modellauswahl. Die Lösung ist als erweiterbare Schnittstelle konzipiert, die es Entwicklern ermöglicht, kompatible externe Modelle einzufügen, während ein einheitliches Ausgabeformat beibehalten wird. Obwohl sie aufgrund des Ladens mehrerer Checkpoints die Inferenzlatenz erhöht, bietet das Ensemble einen praktischen Standard für Anwendungen, bei denen die Wahl der optimalen Einzelarchitektur schwierig ist.
huggingface