PriorLabs/tabpfn-time-series

해결하는 문제

TabPFN-TS는 모델 학습이나 피니튜닝에 오랜 시간이 소요되지 않도록 하여, 제로샷 예측을 가능하게 함으로써 시간 시리즈 예측의 도전 과제를 해결합니다. 사용자는 빠르게 포인트 예측과 확률적 예측을 생성할 수 있어, 빠른 실험에 매우 접근성이 높습니다.

작동 방식

이 프로젝트는 단변량 시간 시리즈 예측을 테이블 회귀 문제로 모델링합니다. 네 단계의 프로세스를 따릅니다:

1. 시간 시리즈를 테이블 형식으로 변환합니다.
2. 시간적 특징(예: 캘린더 및 계절 특징)을 추출하여 테이블에 추가합니다.
3. TabPFN(테이블 기반 기초 모델)을 사용하여 테이블에서 회귀를 수행합니다.
4. 회귀 결과를 최종 시간 시리즈 예측 출력으로 사용합니다.

타겟 이력과 미래에 알려진 공변량(예: 휴일 또는 예정된 이벤트)을 지원하지만, 현재는 과거의 동적 및 정적 공변량은 무시합니다.

대상 사용자

모델을 처음부터 학습하는 부담 없이 빠르고 정확한 예측이 필요한 데이터 과학자 및 연구자, 그리고 최소한의 설정으로 확률적 예측을 수행하고자 하는 사용자에게 적합합니다.

주요 특징

• 제로샷 기능: 학습 없이 즉시 예측을 제공합니다.
• 확률적 예측 지원: 포인트 출력과 확률적 출력 모두 지원합니다.
• 미래에 알려진 공변량 지원: 미래 값이 알려진 경우, 휴일이나 날씨 예보와 같은 외부 데이터를 통합할 수 있습니다.
• 클라우드 대응 추론: tabpfn-client와 통합되어 사용자가 자체 GPU를 필요로 하지 않고도 빠른 추론을 수행할 수 있습니다.