TimesFM 2.0：グーグルが時系列予測のための事前学習済みモデルをオープンソース化

はじめに

TimesFM 2.0 - 500M PyTorchは、Google Researchによって開発され、時系列予測用に設計された学習済みの時系列ベースモデルです。TimesFM 2.0は、いくつかの主要なベンチマークで良好な結果を出しており、前モデルと比較して25%の性能向上が見られます。また、事前学習後のキャリブレーションは行われていませんが、10個の実験的な分位点ヘッダも提供しています。ユーザーは、Hugging Faceプラットフォームを通じて、時系列予測のためにモデルをダウンロードして使用することができます。

TimesFM 2.0は、GIFT-Evalの評価リストで1位を獲得しており、独自のデータによる微調整をサポートしています。最大2048ポイントまでの一変量時系列予測、および任意の予測範囲の長さ、オプションの周波数インジケータを実行します。

機能一覧

• 時系列予測最大2048時点までのコンテキスト長および任意の予測範囲をサポート。
• 十分比予測10個の実験用四分位ヘッドが用意されている。
• モデリングの微調整ユーザー所有のデータでモデルの微調整をサポート。
• ゼロ標本の共変量サポート外部回帰変数を用いたゼロサンプル予測のサポート。
• 高性能複数のベンチマークで25%の性能向上を達成。

ヘルプの使用

設置プロセス

1. 依存関係のインストール::
   • 利用する ピエンブ 歌で応える ポエトリー ローカルインストールを行う。
   • Pythonのバージョンが3.10.x(JAXバージョン)または>=3.11.x(PyTorchバージョン)であることを確認してください。
   • 以下のコマンドを実行して、依存関係をインストールする：

    pyenv install 3.11.x
   pyenv virtualenv 3.11.x timesfm-env
   pyenv activate timesfm-env
   詩のインストール
   

2. ダウンロードモデル::
   • Hugging FaceプラットフォームでTimesFM 2.0 - 500M PyTorchモデルのチェックポイントをダウンロードしてください。
   • モデルをダウンロードするには、以下のコマンドを使用します： バッシュ
git clone https://huggingface.co/google/timesfm-2.0-500m-pytorch
CD timesfm-2.0-500m-pytorch


使用プロセス

1. 積載モデル::
   • Python環境にモデルをロードする：

    from transformers import TimesFMForTimeSeriesForecasting
   model = TimesFMForTimeSeriesForecasting.from_pretrained("google/timesfm-2.0-500m-pytorch")
   

2. 予測を行う::
   • 入力データを準備し、予測を立てる：

    インポートトーチ
   input_data = torch.tensor([...])  # 実際の時系列データに置き換える
   predictions = model(input_data)
   

3. モデルの微調整::
   • 自身のデータを使ったモデルの微調整：

    from transformers import Trainer, TrainingArguments
   training_args = TrainingArguments(output_dir="./results", num_train_epochs=3, per_device_train_batch_size=4)
   trainer = Trainer(model=model, args=training_args, train_dataset=your_dataset)
   trainer.train()
   

4. 外部回帰変数の使用::
   • ゼロ標本の共変量予測のサポート： パイソン
外部回帰変数 = torch.tensor([...]) # データを実際の外部回帰変数に置き換える
predictions = model(input_data, external_regressors=external_regressors)