amazon-science/chronos-forecasting

解決的問題

Chronos 為時間序列預測提供預訓練基礎模型，消除了為每個新數據集從頭開始訓練定制模型的需要。它實現了零樣本預測，這意味著模型無需進一步訓練即可對未見數據進行準確預測。

工作原理

Chronos 將時間序列預測視為語言建模問題。它透過縮放與量化將時間序列數據轉換為 Token 序列，從而能夠利用語言模型架構。該專案提供三種主要的模型變體：

• Chronos-2: 支援單變量、多變量及共變量輔助預測的最新版本。
• Chronos-Bolt: 一種高性能變體，使用基於補丁（patch-based）的方法對歷史數據進行分塊，從而實現直接的多步預測，顯著加快推理速度並降低記憶體佔用。
• Chronos (Original): 基礎系列，透過對量化後的 Token 使用交叉熵損失，藉由對未來軌跡進行採樣來生成機率預測。