MetaARIMA

MetaARIMA将迁移学习引入ARIMA时间序列预测

研究人员开发了MetaARIMA，这是一种将迁移学习应用于ARIMA模型配置以进行时间序列预测的新颖方法。与独立训练每个序列的传统方法不同，MetaARIMA从过去的实验中学习，为新数据集推荐有前景的ARIMA配置。该方法旨在通过利用不同预测任务之间的知识来提高效率和性能。实验表明，MetaARIMA的性能优于AutoARIMA，并且在数据效率方面与Chronos2和TimesFM等近期基础模型相比仍具竞争力。