decisionintelligence/TFB

何を解決するか

TFBは時系列予測における公平かつ包括的なベンチマークの不足に対処します。テスト中に不完全なバッチを無視する『drop-last』トリックといった一般的な評価の落とし穴を防ぎ、異なる予測モデル間での一貫性のない結果や不公平な比較を回避します。

仕組み

TFBは時系列予測モデルの評価に向けた標準化されたエンドツーエンドのパイプラインを提供します。訓練とテストのためのクリーンなコードベース、事前処理済みデータセットのコレクション、そしてDLinear、PatchTST、DUETなどの幅広いベースラインアルゴリズムを含みます。また、トレンド、季節性、定常性などのデータセット特性を計算するための特徴抽出機能も備えています。

対象ユーザー

主に、新しい手法を確立されたベースラインと一貫した評価戦略で開発・テスト・比較できる信頼できるフレームワークを必要とする時系列予測の研究者向けに設計されています。

特徴

• 公平な評価: テスト中に『drop-last』操作を排除し、すべてのモデルでテストセットの使用を一貫させます。
• 豊富なベースライン: TimeKAN、xPatch、HDMixerなど、多数の最先端予測モデルを統合しています。
• 包括的なツールキット: 時系列の特性を計算するツールと、特定の入力変数サブセットの予測をサポートする機能を備えています。
• 即時利用可能なデータ: ベンチマークにすぐに使える27の多変量データセットを提供します。