Beschreibung
TimeH2O-v1 ist ein anspruchsvolles Zeitreihen-Grundmodell, das von H2O.ai entwickelt wurde und über 108 Millionen Parameter verfügt. Es ist speziell für Zero-Shot-probabilistische Vorhersagen konzipiert, was bedeutet, dass es Vorhersagen für unbekannte Daten treffen kann, ohne dass eine vorherige Feinabstimmung auf diesem spezifischen Datensatz erforderlich ist. Eine Schlüsselkompetenz von TimeH2O-v1 ist die Unterstützung von Kovariaten, die es ermöglicht, zusätzliche relevante Variablen neben den primären Zeitreihendaten zu integrieren, um die Vorhersagegenauigkeit zu verbessern.
Weiterlesen
Das Modell hat eine erstklassige Leistung in mehreren Benchmarks gezeigt. Bei GIFT-Eval erreichte es einen CRPS (Continuous Ranked Probability Score) von 0,441 und einen MASE (Mean Absolute Scaled Error) von 0,654, was es besser abschneiden ließ als Modelle wie Timestral-209M, t0-gamma, TimesFM-3 und Chronos-2. Ebenso erzielte TimeH2O-v1 bei fev-bench einen SQL-Fähigkeitsscore von 50,83 und einen MASE-Fähigkeitsscore von 39,95 und übertraf damit erneut seine Wettbewerber.
TimeH2O-v1 ist Teil der größeren TimeH2O-Familie, zu der auch TimeH2O-v1-tiny gehört, ein kleineres Modell mit 5,8M Parametern, das für maximalen Durchsatz und nicht für maximale Genauigkeit optimiert ist. Das v1-Modell eignet sich am besten für Szenarien, in denen die Maximierung der Vorhersagegenauigkeit das Hauptziel ist. Es kann bis zu 16.384 Zeitstufen Kontext verarbeiten und bietet einen unbegrenzten Vorhersagehorizont, wobei es 9 Quantile (von 0,1 bis 0,9) für probabilistische Vorhersagen ausgibt. Das Modell akzeptiert Zielreihen mit optionalen Kovariaten als Eingaben.
Der Zugriff auf TimeH2O-v1 auf Hugging Face erfordert, dass die Benutzer zustimmen, ihre Hugging Face-Informationen zu teilen und spezifische Bedingungen zu akzeptieren, da es für die nicht-kommerzielle Nutzung lizenziert ist. Das Modell wurde auf einer Vielzahl von Datensätzen trainiert, wobei sorgfältig darauf geachtet wurde, dass keine Daten, die mit fev-bench, GIFT-Eval und TIME überlappen, einbezogen wurden, um unvoreingenommene Benchmark-Ergebnisse zu gewährleisten. Zu den Trainingsdatenquellen gehören autogluon/chronos_datasets, Salesforce/GiftEvalPretrain, Salesforce/lotsa_data, hq-bench/quito-corpus, Dingdong-Inc/FreshRetailNet-LT, Azure Functions 2019 trace, Iowa Liquor Sales und BLS Average Prices, jeweils mit ihren entsprechenden Lizenzen.
- KategorieKI-Modelle & LLMs
- BereitstellungCloud
- PlattformenHugging Face
TimeH2O-v1 im Überblick
108M Parameter für robuste Vorhersagen
Zero-Shot-probabilistische Vorhersagefähigkeiten
Unterstützung von Kovariaten zur Verbesserung der Vorhersagegenauigkeit
Erstklassige Benchmark-Ergebnisse bei GIFT-Eval und fev-bench
Kontextfenster von bis zu 16.384 Zeitstufen
Unbegrenzter Vorhersagehorizont
Gibt 9 Quantile (0,1 bis 0,9) für probabilistische Vorhersagen aus
Optimiert für maximale Genauigkeit bei Zeitreihenvorhersagen
Nicht-kommerzielle Lizenz für die Nutzung
Ausschluss von benchmarküberlappenden Daten aus dem Training
Teil der TimeH2O-Modellfamilie
Öffentlich zugänglich auf Hugging Face unter Bedingungen
Erste Schritte mit TimeH2O-v1
Zugriff auf das Modell: Navigieren Sie zur TimeH2O-v1-Seite auf Hugging Face.
Bedingungen akzeptieren: Überprüfen und akzeptieren Sie die Allgemeinen Geschäftsbedingungen, um auf die Dateien und Inhalte des Modells zuzugreifen.
Anmelden/Registrieren: Melden Sie sich bei Ihrem Hugging Face-Konto an oder registrieren Sie sich, wenn Sie noch keines haben.
Dateien herunterladen: Laden Sie die Modell-Dateien und zugehörigen Ressourcen herunter.
Umgebung einrichten: Konfigurieren Sie Ihre Entwicklungsumgebung mit den erforderlichen Abhängigkeiten zur Nutzung von Hugging Face-Modellen.
Modell integrieren: Integrieren Sie TimeH2O-v1 in Ihre Anwendung oder Ihren Workflow für Zeitreihenvorhersagen.
Eingaben bereitstellen: Stellen Sie Zielreihendaten zusammen mit optionalen Kovariaten dem Modell zur Verfügung.
Vorhersagen generieren: Nutzen Sie das Modell, um Zero-Shot-probabilistische Vorhersagen mit 9 Quantilen zu generieren.
TimeH2O-v1's Anwendungsfälle
- Zero-Shot-Vorhersage
- Probabilistische Vorhersage
- Kovariaten-verbesserte Vorhersage
- Hochgenaue Zeitreihenanalyse
- Langfristige Vorhersage
- Benchmark-Leistungsbewertung
- Forschung und Entwicklung







