decisionintelligence/TFB

해결하는 문제

TFB는 시계열 예측에서 공정하고 포괄적인 벤치마킹의 부족을 해결합니다. 테스트 중 불완전한 배치를 버리는 'drop-last' 기법과 같은 일반적인 평가 오류를 방지하여, 다양한 예측 모델 간의 일관성 없는 결과와 공정하지 않은 비교를 막습니다.

작동 방식

TFB는 시계열 예측 모델 평가를 위한 표준화된 엔드투엔드 파이프라인을 제공합니다. 훈련과 테스트를 위한 깔끔한 코드베이스, 사전 처리된 데이터셋 모음, 그리고 DLinear, PatchTST, DUET와 같은 다양한 베이스라인 알고리즘을 포함합니다. 또한 트렌드, 계절성, 정상성과 같은 데이터셋 특성을 계산하는 특성 추출기 기능도 제공합니다.

대상 사용자

주로 새로운 방법을 개발하고, 기존 베이스라인과 일관된 평가 전략을 사용해 비교할 필요가 있는 시계열 예측 연구자들을 위한 것입니다.

주요 특징

• 공정한 평가: 테스트 중 'drop-last' 작업을 제거하여 모든 모델에서 테스트 세트를 일관되게 사용합니다.
• 풍부한 베이스라인: TimeKAN, xPatch, HDMixer와 같은 수많은 최첨단 예측 모델을 통합합니다.
• 포괄적인 도구 세트: 시계열 특성 계산 도구와 특정 입력 변수 하위 집합 예측을 지원하는 기능을 포함합니다.
• 즉시 사용 가능한 데이터: 벤치마킹에 바로 사용할 수 있는 27개의 다변량 데이터셋을 제공합니다.