Previsioni ensemble con i modelli IBM Granite per serie temporali
huggingface ·
IBM Research ha presentato Granite Timeseries Ensemble, uno strumento che combina quattro modelli di serie temporali pre-addestrati distinti per fornire previsioni robuste senza richiedere un nuovo addestramento. L'ensemble integra architetture quali Patched Transformers, Conformer, modelli spazio-stato e Tiny Time Mixers per catturare pattern dati diversificati. Gli utenti possono scegliere tra due metodi di aggregazione: l'ensemble probabilistico consigliato, che utilizza pesi uniformi, o l'ensemble IQR adattivo, che regola i pesi in base alla dispersione delle previsioni. Le valutazioni sul benchmark GIFT-Eval dimostrano che entrambi gli approcci ensemble superano i singoli modelli membri nella precisione aggregata delle previsioni puntuali (MASE). Sebbene modelli individuali come PatchTST-FM-r2 possano ottenere punteggi di errore probabilistico inferiori, l'ensemble offre una coerenza superiore e riduce la necessità di selezione manuale del modello. La soluzione è progettata come un'interfaccia estensibile, consentendo agli sviluppatori di sostituire con modelli esterni compatibili mantenendo un formato di output unificato. Sebbene aumenti la latenza di inferenza a causa del caricamento di più checkpoint, l'ensemble fornisce un'impostazione predefinita pratica per le applicazioni in cui è difficile scegliere l'architettura singola ottimale.
huggingface