IBM Research представила ансамбль из четырёх предобученных моделей Granite для прогнозирования временных рядов без переобучения на пользовательских данных и без необходимости выбирать конкретную архитектуру — интерфейс позволяет тратить меньше времени на догадки при выборе модели.
Ансамбль Granite Timeseries Ensemble объединяет четыре модели с разными архитектурами и возвращает медианные и квантильные прогнозы без переобучения или подбора весов.
Идея ансамблевого прогнозирования заимствована из метеорологии, где разные модели дают разные сценарии развития событий, а ансамбль объединяет их в единый прогноз.
Рецепт ансамбля хранит конфигурацию, а не объединённые веса моделей — при первом запуске загружаются четыре чекпоинта, что увеличивает время инициализации.
По умолчанию используется Probabilistic Ensemble с равными весами, но доступна адаптивная версия IQR Ensemble, где влияние модели зависит от ширины её прогнозного интервала.
Оба ансамбля показали лучшие результаты, чем отдельные модели, по средним метрикам MASE и CRPS на 97 конфигурациях GIFT-Eval без использования тестовых данных для подбора метода агрегации.
Рекомендовано тестировать ансамбль на собственных данных, сравнивая Probabilistic и IQR версии с лучшей индивидуальной моделью, оценивая точность, калибровку и вычислительные затраты.
Это краткое изложение. Полный текст статьи доступен на сайте источника:
Читать полностью на Hugging FaceКак это касается вашего бизнеса
Изменения на рынке важны, когда руководитель видит их в показателях своей компании. Радар управления каждый день собирает брифинг: 10 приоритизированных сигналов о главном за 24 часа.