Aug, 2023

AutoGluon-TimeSeries：概率时间序列预测的自动机器学习

PDF
TL;DRAutoGluon-TimeSeries 是一种开源的 AutoML 库，专注于概率时间序列预测。它能够通过仅使用 3 行 Python 代码生成准确的点和分位数预测，并结合了传统统计模型、基于机器学习的预测方法和集成技术。在对 29 个基准数据集的评估中，AutoGluon-TimeSeries 表现出了强大的实证性能，在点和分位数预测准确性方面超过了各种预测方法，甚至在某些情况下改进了最好的 “事后最佳” 组合方法。
autogluon-timeseriesautoml libraryprobabilistic time series forecastingensemble techniquesbenchmark datasets
发现论文，激发创造
  • GluonTS: Python 中的概率时间序列模型

    介绍了一种名为 Gluon Time Series 的基于深度学习的时间序列建模库，可用于常见任务如预测或异常检测，简化了模型开发和实验，并提供了科学家快速建立新模型、高效运行和分析实验以及评估模型准确性所需的所有组件和工具。

    Jun, 2019

  • AutoGluon-Tabular: 结构化数据稳健准确的自动机器学习

    AutoGluon-Tabular 是一个开源的 AutoML 框架，仅需一行 Python 代码即可训练基于未经处理的表格数据集（如 CSV 文件）的高精度机器学习模型。与现有的 AutoML 框架主要侧重于模型 / 超参数选择不同，AutoGluon-Tabular 通过组合多个模型并堆叠它们来成功地实现了目标。多层组合多模型的实验证明，它比寻找最佳模型更能更好地利用分配的训练时间。我们还对公共和商业 AutoML 平台进行了广泛的评估，包括 TPOT，H2O，AutoWEKA，auto-sklearn，AutoGluon 和 Google AutoML Tables。在 Kaggle 和 OpenML AutoML Benchmark 的 50 个分类和回归任务套件上进行的测试表明，AutoGluon 更快、更稳定，更准确。我们发现 AutoGluon 甚至经常超过所有竞争对手的最佳组合。在两个热门的 Kaggle 比赛中，AutoGluon 仅在原始数据上进行了 4 小时的训练，就胜过了 99% 的参赛数据科学家。

    Mar, 2020

  • auto-sktime：自动化时序预测

    auto-sktime 是一个自动化的时间序列预测框架，利用自动机器学习技术来自动构建整个预测流程，针对时间序列数据提出了三项改进，实验结果显示了它的有效性和效率。

    Dec, 2023

  • AutoTimes：通过大型语言模型进行自回归时间序列预测

    通过利用大型语言模型，研究利用自回归时间序列预测模型（AutoTimes）处理时间序列数据，该模型利用基于语言建模学习的通用令牌转换，具备灵活的系列长度和较高的性能。

    Feb, 2024

  • AutoGluon-Multimodal (AutoMM): 为基础模型提供动力的多模态 AutoML

    AutoGluon-Multimodal 是一款用于多模态学习的开源 AutoML 库，通过只使用三行代码即可对基础模型进行微调。该库支持独立和组合的图像、文本和表格数据多种形式，并提供了全面的功能套件，包括分类、回归、目标检测、语义匹配和图像分割。跨多样的数据集和任务的实验表明，与现有的 AutoML 工具相比，在基本分类和回归任务方面，AutoMM 表现出优异的性能，同时在高级任务方面也展示出与专用工具箱相对竞争的结果。

    Apr, 2024

  • AutoGL：自动化图学习库

    AutoGL 是首个自动机器学习图形的库，我们提出了包含四个模块的自动机器学习流程：自动特征工程、模型训练、超参数优化和自动集成，其中每个模块都提供了多种最先进的方法和灵活的基类和 API。

    Apr, 2021

  • 时间潜变量自编码器：一种概率多元时间序列预测方法

    本研究介绍了一种新颖的时间潜在自编码器方法以实现多元时间序列的非线性分解，并通过解码器建模输入序列的复杂分布，得到极好的表现。

    Jan, 2021

  • TimeGNN：时间序列预测的时间动态图学习

    TimeGNN 是一种学习动态时间图表示的方法，能够捕捉多个系列的相关性和交互模式的演变，并在预测性能方面实现比其他先进的基于图的方法快 4 到 80 倍的推理时间。

    Jul, 2023

  • DeepTSF: 无代码的时间序列预测机器学习运营

    DeepTSF 是一款全面的机器学习操作（MLOps）框架，通过工作流自动化和无代码建模来创新时间序列预测。

    Jul, 2023

  • 时空 GPT-1

    TimeGPT 是时间序列的首个基础模型，能够生成准确的预测结果，我们通过评估其与统计学、机器学习和深度学习方法的性能对比发现，TimeGPT 在性能、效率和简洁性方面表现出色，研究结果显示了人工智能其他领域的洞见能够有效应用于时间序列分析，大规模时间序列模型为普遍获取精确预测和降低不确定性提供了激动人心的机会。

    Oct, 2023