本文介绍了一个使用零样本时间序列基础模型（TSFMs）来预测大学招生人数的框架，特别适用于历史数据稀缺或因结构性变化而中断的情况。研究人员将这些TSFMs与传统方法进行了基准测试，并纳入了Google Trends和机构运营条件指数（IOCI）等外部数据，以在无需特定机构培训的情况下提高准确性。研究结果表明，虽然TSFMs具有竞争力，但其实际效益取决于特定的机构特征以及协变量的设计方式。 AI
影响 为面临数据稀缺和不稳定的教育机构提供了一个可转移的预测协议。
排序理由 这是一篇发表在arXiv上的研究论文，详细介绍了一种新的时间序列预测框架。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
