amazon-science/chronos-forecasting
Chronos: Pretrained Models for Time Series Forecasting
해결하는 문제
Chronos는 시계열 예측을 위한 사전 학습된 파운데이션 모델을 제공하여, 새로운 데이터셋마다 커스텀 모델을 처음부터 학습시켜야 하는 번거로움을 제거합니다. 이를 통해 제로샷 예측이 가능해지며, 모델은 추가 학습 없이도 처음 보는 데이터에 대해 정확한 예측을 수행할 수 있습니다.
작동 원리
Chronos는 시계열 예측을 언어 모델링 문제로 취급합니다. 스케일링 및 양자화를 통해 시계열 데이터를 토큰 시퀀스로 변환하여 언어 모델 아키텍처를 활용할 수 있도록 합니다. 이 프로젝트는 세 가지 주요 모델 변형을 제공합니다:
- Chronos-2: 단변량, 다변량 및 공변량 기반 예측을 지원하는 최신 버전.
- Chronos-Bolt: 패치 기반 접근 방식을 사용하여 과거 데이터를 청크로 나누는 고성능 변형으로, 직접적인 다단계 예측을 가능하게 하여 추론 속도를 대폭 높이고 메모리 사용량을 줄입니다.
- Chronos (Original): 양자화된 토큰에 교차 엔트로피 손실을 사용하여 미래 궤적을 샘플링함으로써 확률적 예측을 생성하는 기본 제품군.
관련
- 프로젝트
Nixtla/nixtlaNixtla는 TimeGPT라고 하는 대규모 트랜스포머 모델을 간단한 API 키를 통해 호출할 수 있는 Python SDK를 제공합니다. 패키지를 설치하고 `NixtlaClient`를 생성한 후, 어떤 pandas DataFrame에도 `forecast` 또는 `detect_anomalies`를 사용할 수 있습니다. 모델은 호스팅 서비스로 작동하며 (무료 체험용 API 키 제공), 파인튜닝, 외생 변수, 다중 시계열 예측, Snowflake 배포, 다른 언어용 클라이언트 라이브러리도 지원합니다. SDK는 Apache-2.0 오픈소스이며, 기반 모델은 클로즈드소스입니다.
- 프로젝트
DataDog/toto관측 메트릭스에 최적화된 다변량 시계열 예측을 위한 기초 모델로, 제로샷 및 확률적 예측을 제공합니다.
- 프로젝트
PriorLabs/tabpfn-time-seriesTabPFN-TS는 단변량 시계열 예측을 테이블 형식의 회귀 문제로 변환하고, 사전 학습된 TabPFN 기초 모델(기본값 TabPFN-3.5)을 사용하여 제로샷 점 예측 및 확률 예측을 수행하는 Python 라이브러리입니다. 알려진 미래 공변량을 지원하며, 로컬 CPU 또는 클라우드 클라이언트를 통해 빠르게 실행(GPU 불필요)되고 pip 설치만으로 사용할 수 있습니다. 제한 사항으로는 과거 동적 또는 정적 공변량의 부재와 다변량 타겟을 독립적인 계열로 처리하는 점이 있습니다.
- 프로젝트
ant-intl/Falcon-TSTFalcon-TST는 단변량 및 다변량 데이터 전반에 걸쳐 효율적이고 정확한 시계열 예측을 위해 설계된 대규모 파운데이션 모델 모음입니다.
- 프로젝트
SalesforceAIResearch/uni2tsPyTorch 기반 라이브러리로 Universal Time Series Transformers의 사전 학습, 파인튜닝 및 평가를 지원하며, 다양한 데이터셋에 대한 제로샷 예측을 가능하게 합니다.