PriorLabs/tabpfn-time-series

何を解決するか

TabPFN-TS は、時間系列予測の課題に対処し、モデルの学習やファインチューニングに時間をかける必要なく、ゼロショット予測を可能にします。ユーザーは迅速にポイント予測と確率的予測の両方を生成でき、迅速な実験に非常に使いやすいです。

動作方法

このプロジェクトは単変量時間系列予測をテーブル回帰問題として扱います。4段階のプロセスに従います：

1. 時間系列をテーブル形式に変換します。
2. 時間的特徴（カレンダー特徴や季節特徴など）を抽出し、テーブルに追加します。
3. TabPFN（テーブル基盤モデル）を使用してテーブル上で回帰を行います。
4. 回帰の結果を最終的な時間系列予測出力として使用します。

ターゲットの履歴と将来の既知の共変量（祝日やスケジュールされたイベントなど）をサポートしていますが、現在は過去の動的および静的共変量は無視しています。

対象ユーザー

モデルをゼロから学習するオーバーヘッドがなく、高速かつ正確な予測が必要なデータサイエンティストや研究者、また最小限の設定で確率的予測を実行したいユーザー向けに設計されています。

特徴

• ゼロショット機能：学習を必要とせず、即座に予測を提供します。
• 確率的予測：ポイント出力と確率的出力の両方をサポートします。
• 将来の既知共変量のサポート：将来の値がわかっている場合、祝日や天気予報などの外部データを統合できます。
• クラウド対応の推論：tabpfn-client と統合され、独自のGPUを必要とせずに高速な推論が可能になります。