amazon-science/chronos-forecasting
Chronos: Pretrained Models for Time Series Forecasting
解決する課題
Chronosは、時系列予測のための学習済み基盤モデルを提供し、新しいデータセットごとにカスタムモデルをゼロからトレーニングする必要性を排除します。これにより、ゼロショット予測が可能になり、モデルは追加のトレーニングなしで見慣れないデータに対して正確な予測を行うことができます。
仕組み
Chronosは、時系列予測を言語モデリングの問題として扱います。スケーリングと量子化を通じて時系列データをトークンのシーケンスに変換し、言語モデルアーキテクチャを活用できるようにします。このプロジェクトには、主に3つのモデルバリエーションがあります：
- Chronos-2: 単変量、多変量、および共変量に基づいた予測をサポートする最新バージョン。
- Chronos-Bolt: パッチベースのアプローチを使用して履歴データをチャンク化する高性能バリエーション。これにより、直接的なマルチステップ予測が可能になり、推論が大幅に高速化され、メモリ使用量も削減されます。
- Chronos (Original): 量子化されたトークンにクロスエントロピー損失を使用して、将来の軌跡をサンプリングすることで確率的予測を生成するベースファミリー。
関連
- プロジェクト
Nixtla/nixtlaNixtlaは、TimeGPTと呼ばれる大規模なトランスフォーマーモデルを、シンプルなAPIキー経由で呼び出せるPython SDKを提供します。パッケージをインストールし、`NixtlaClient`を作成して、任意のpandas DataFrameに対して`forecast`または`detect_anomalies`を実行できます。モデルはホストサービスとして動作（無料トライアルAPIキーあり）し、ファインチューニング、外生変数、マルチシリーズ予測、Snowflakeデプロイ、他の言語用クライアントライブラリをサポートしています。SDKはApache-2.0オープンソースですが、基盤となるモデルはクローズドソースです。
- プロジェクト
DataDog/toto観測メトリクスに最適化された多変量時系列予測用のファウンデーションモデルで、ゼロショットおよび確率的予測を提供します。
- プロジェクト
PriorLabs/tabpfn-time-seriesTabPFN-TSは、単変量時系列予測をテーブル形式の回帰問題に変換し、事前学習済みのTabPFN基礎モデル（デフォルトはTabPFN-3.5）を使用してゼロショットの点予測および確率予測を行うPythonライブラリです。既知の未来の共変量に対応し、ローカルCPUまたはクラウドクライアント経由で高速に動作（GPU不要）し、pipインストールのみで利用可能です。制限事項として、過去の動的または静的な共変量の欠如、および多変量ターゲットを独立した系列として扱う点が挙げられます。
- プロジェクト
- プロジェクト
SalesforceAIResearch/uni2tsPyTorch ベースのライブラリで、Universal Time Series Transformers の事前学習、ファインチューニング、評価を行い、さまざまなデータセットに対してゼロショット予測を可能にします。