Prévision par ensemble avec les modèles IBM Granite pour les séries temporelles
huggingface ·
IBM Research a présenté Granite Timeseries Ensemble, un outil qui combine quatre modèles de séries temporelles pré-entraînés distincts pour fournir des prévisions robustes sans nécessiter de réentraînement. L'ensemble intègre des architectures telles que les Transformers patchés, Conformer, les modèles à espace d'état et les Tiny Time Mixers afin de capturer une diversité de motifs de données. Les utilisateurs peuvent choisir entre deux méthodes d'agrégation : l'Ensemble Probabiliste recommandé, qui utilise un poids uniforme, ou l'Ensemble IQR adaptatif, qui ajuste les poids en fonction de la dispersion des prévisions. Les évaluations sur le benchmark GIFT-Eval démontrent que les deux approches ensemblistes surpassent les modèles membres individuels en précision globale de prévision ponctuelle (MASE). Bien que des modèles individuels comme PatchTST-FM-r2 puissent obtenir des scores d'erreur probabiliste plus faibles, l'ensemble offre une cohérence supérieure et réduit le besoin de sélection manuelle de modèles. La solution est conçue comme une interface extensible, permettant aux développeurs d'intégrer des modèles externes compatibles tout en maintenant un format de sortie unifié. Bien qu'elle augmente la latence d'infusion en raison du chargement de plusieurs points de contrôle, l'ensemble constitue une option par défaut pratique pour les applications où il est difficile de choisir l'architecture unique optimale.
huggingface