Ансамблевое прогнозирование с моделями временных рядов IBM Granite
huggingface ·
Компания IBM Research представила инструмент Granite Timeseries Ensemble, который объединяет четыре различных предварительно обученные модели временных рядов для обеспечения надежного прогнозирования без необходимости повторного обучения. В ансамбль интегрированы архитектуры Patched Transformers, Conformer, State-space models и Tiny Time Mixers для захвата разнообразных паттернов данных. Пользователи могут выбирать между двумя методами агрегации: рекомендуемым Probabilistic Ensemble, использующим равномерное взвешивание, или адаптивным IQR Ensemble, который корректирует веса на основе разброса прогнозов. Оценка на бенчмарке GIFT-Eval показывает, что оба подхода ансамбля превосходят отдельные модели-участники по совокупной точности точечных прогнозов (MASE). Хотя такие отдельные модели, как PatchTST-FM-r2, могут демонстрировать более низкие показатели вероятностной ошибки, ансамбль обеспечивает превосходную согласованность и снижает потребность в ручном выборе модели. Решение разработано как расширяемый интерфейс, позволяющий разработчикам заменять совместимые внешние модели при сохранении единого формата вывода. Несмотря на увеличение задержки инференса из-за загрузки нескольких контрольных точек, ансамбль представляет собой практичное решение по умолчанию для приложений, где выбор оптимальной единичной архитектуры затруднен.
huggingface