TimesFM 2.0: 시계열 예측을 위해 사전 학습된 Google 오픈 소스 모델

2.1K 00

일반 소개

TimesFM 2.0 - 500M PyTorch는 Google Research에서 개발한 시계열 예측을 위해 설계된 사전 학습된 시계열 기본 모델입니다. 이 모델은 최대 2048개 시점의 컨텍스트 길이를 처리할 수 있으며 임의의 예측 범위를 지원합니다. TimesFM 2.0은 여러 주요 벤치마크에서 우수한 성능을 보이며 이전 모델에 비해 25%의 성능 향상을 보였으며, 사전 학습 후 보정되지는 않았지만 10개의 실험적 분위수 헤더도 제공합니다. 사용자는 허깅 페이스 플랫폼을 통해 시계열 예측을 위해 이 모델을 다운로드하여 사용할 수 있습니다.

이 모델은 소매 판매, 주식 움직임, 웹사이트 트래픽 예측 등과 같은 시나리오에서 사용할 수 있습니다. TimesFM 2.0은 GIFT-Eval 평가 목록에서 1위를 차지했으며, 자체 데이터로 미세 조정을 지원합니다. 최대 2048개 시점에 대한 단변량 시계열 예측을 수행하며, 예측 범위 길이에 따라 주파수 표시기를 선택할 수 있습니다.

기능 목록

시계열 예측최대 2048개 시점의 컨텍스트 길이와 임의의 예측 범위를 지원합니다.
사분위수 예측실험용 사분위수 헤드 10개가 제공됩니다.
모델링 미세 조정사용자 소유 데이터에 대한 모델 미세 조정을 지원합니다.
제로 샘플 공변량 지원외부 회귀 변수를 사용한 제로 샘플 예측을 지원합니다.
고성능25%의 성능 향상으로 여러 벤치마크에서 뛰어난 성능을 발휘합니다.

도움말 사용

설치 프로세스

종속성 설치::
- 활용 pyenv 노래로 응답 poetry 로컬 설치를 수행합니다.
- Python 버전이 3.10.x(JAX 버전의 경우) 또는 >=3.11.x(PyTorch 버전의 경우)인지 확인합니다.
- 다음 명령을 실행하여 종속성을 설치합니다:
```
 pyenv install 3.11.x
pyenv virtualenv 3.11.x timesfm-env
pyenv activate timesfm-env
poetry install
```
모델 다운로드::
- 허깅 페이스 플랫폼을 방문하여 TimesFM 2.0 - 500M PyTorch 모델 체크포인트를 다운로드하세요.
- 다음 명령을 사용하여 모델을 다운로드합니다: bash git clone https://huggingface.co/google/timesfm-2.0-500m-pytorch cd timesfm-2.0-500m-pytorch

사용 프로세스

모델 로드::

Python 환경에서 모델을 로드합니다:

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

예측 수행::

입력 데이터를 준비하고 예측을 수행합니다:

 import torch
input_data = torch.tensor([...])  # 替换为实际的时间序列数据
predictions = model(input_data)

모델 미세 조정::

자체 데이터를 사용하여 모델 미세 조정:

 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()

외부 회귀 변수 사용::
- 제로 샘플 공변량 예측을 지원합니다: python external_regressors = torch.tensor([...]) # 替换为实际的外部回归变量数据 predictions = model(input_data, external_regressors=external_regressors)