Erkunden Sie das Open-Supply-Großzeitmodell Time-MoE und wenden Sie es in einem kleinen Experiment mit Python an
12 Min. Lektüre
Vor 12 Stunden
Traditionell stützte sich der Bereich der Zeitreihenvorhersage auf datenspezifische Modelle, bei denen ein Modell auf einen bestimmten Datensatz und eine bestimmte Aufgabe trainiert wurde. Änderten sich die Daten oder der Prognosehorizont, musste auch das Modell geändert werden.
Seit Oktober 2023 entwickeln Forscher aktiv fundierte Prognosemodelle. Mit diesen großen Zeitmodellen kann ein einziges Modell nun verschiedene Prognoseaufgaben aus verschiedenen Bereichen, mit unterschiedlichen Häufigkeiten und mit praktisch jedem Prognosehorizont bewältigen.
Zu diesen großen Zeitmodellen gehören:
- ZeitGPTauf die über eine API zugegriffen werden kann, sodass Prognosen und Feinabstimmungen problemlos durchgeführt werden können, ohne dass lokale Ressourcen verwendet werden müssen
- Lag-Lamaein Open-Supply-Modell für probabilistische Prognosen, das Options aus verzögerten Werten erstellt
- Chronosein auf T5 basierendes Modell, das den unbegrenzten Zeitreihenbereich durch Tokenisierung und Quantisierung in den begrenzten Sprachbereich übersetzt
- Moiraiein Modell, das exogene Merkmale unterstützt und das erste Modell ist, das seinen Datensatz LOTSA mit mehr als 27 Milliarden Datenpunkten öffentlich teilt.