Darts 库统一了零样本时间序列预测的基础模型

在 Darts Python 库中开发了一系列新的时间序列预测基础模型。该计划旨在统一各种预训练模型的接口，包括 Chronos-2、TimesFM 2.5、TiRex 和 PatchTST-FM，使它们更具互操作性，并更易于集成到现有的预测流程中。Darts 框架现在提供标准化的、全周期的预测功能，使用户能够利用这些基础模型进行零样本或微调预测、不确定性估计和回测，而外部依赖性极少。 AI

影响 标准化了高级预测模型的集成，可能加速时间序列分析的采用和研究。

排序理由 该条目是一篇学术论文，详细介绍了一系列新模型和统一的时间序列预测框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• Chronos 2 Forecasting Model
• Darts
• Hugging Face
• PatchTST-FM
• Python
• TimesFM-2.5
• Tirex Petrol

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →