使用 IBM Granite 时间序列模型进行集成预测
huggingface ·
IBM Research推出了Granite Timeseries Ensemble，该工具结合了四种不同的预训练时间序列模型，无需重新训练即可提供稳健的预测。该集成融合了Patched Transformers、Conformer、状态空间模型和Tiny Time Mixers等架构，以捕捉多样化的数据模式。用户可以选择两种聚合方法：推荐的概率集成（Probabilistic Ensemble），采用均匀加权；或自适应四分位距集成（IQR Ensemble），根据预测分布调整权重。在GIFT-Eval基准上的评估表明，这两种集成方法在综合点预测精度（MASE）方面均优于单个成员模型。虽然像PatchTST-FM-r2这样的个别模型可能在概率误差得分上表现更低，但集成方案提供了更一致的表现，并减少了对人工选择模型的需求。该解决方案设计为可扩展接口，允许开发人员替换兼容的外部模型，同时保持统一的输出格式。尽管由于加载多个检查点导致推理延迟增加，但该集成为那些难以选择最佳单一架构的应用程序提供了一个实用的默认方案。
huggingface