IBM giới thiệu Granite Timeseries Ensemble để kết hợp bốn mô hình dự báo chuỗi thời gian
IBM Research đã giới thiệu Granite Timeseries Ensemble, một công thức dự báo kết hợp bốn mô hình chuỗi thời gian Granite thay vì yêu cầu người dùng chọn một mô hình duy nhất cho từng bộ dữ liệu. Hệ thống sử dụng Granite PatchTST-FM-r1, PatchTST-FM-r2, FlowState-r1.1 và TTM-r3, đồng thời tạo ra cả dự báo trung tâm lẫn các phân vị dự báo để thể hiện nhiều khả năng kết quả. Hệ thống không cần huấn luyện lại trên dữ liệu của người dùng và cũng không phải học các trọng số kết hợp. Probabilistic Ensemble, lựa chọn mặc định được khuyến nghị, trao ảnh hưởng ngang nhau cho mọi mô hình và kết hợp các dự báo xác suất của chúng. Tùy chọn IQR Ensemble thay đổi trọng số dựa trên độ rộng của khoảng dự báo từ mỗi mô hình, nhưng một mô hình có khoảng hẹp hơn có thể chỉ đang quá tự tin chứ không thực sự chính xác hơn; vì vậy người dùng có thể điều chỉnh hoặc giới hạn trọng số. Công thức này có thể được tải qua Hugging Face bằng gói Granite TSFM, còn các checkpoint của từng mô hình sẽ được tải riêng trong lần chạy đầu tiên. Với các nhà phát triển và doanh nghiệp cần dự báo nhu cầu, số liệu công nghiệp hoặc những dữ liệu thay đổi theo thời gian, bộ kết hợp này cung cấp một điểm bắt đầu đơn giản, giúp giảm rủi ro chọn nhầm mô hình mà vẫn cho phép thử nghiệm nhiều cách kết hợp khác nhau.
Nhà phát triển và doanh nghiệp cần dự báo nhu cầu, dữ liệu công nghiệp hoặc các chuỗi theo thời gian có thể thử Granite Timeseries Ensemble thay vì tự chọn một mô hình riêng cho từng bộ dữ liệu. Bản Probabilistic Ensemble là điểm bắt đầu đơn giản; IQR Ensemble phù hợp để thử nghiệm nhưng cần lưu ý rằng khoảng dự báo hẹp hơn không nhất thiết có nghĩa là chính xác hơn.
Đọc bài gốc