Descripción
TimeH2O-v1 es un sofisticado modelo de base de series temporales desarrollado por H2O.ai, con 108 millones de parámetros. Está específicamente diseñado para pronósticos probabilísticos en cero disparos, lo que significa que puede hacer predicciones sobre datos no vistos sin requerir un ajuste fino previo en ese conjunto de datos específico. Una capacidad clave de TimeH2O-v1 es su soporte para covariables, lo que le permite incorporar variables adicionales relevantes junto con los datos de series temporales principales para mejorar la precisión de la predicción.
Leer más
El modelo ha demostrado un rendimiento de vanguardia en múltiples benchmarks. En GIFT-Eval, logró un CRPS (Puntuación de Probabilidad Continua Clasificada) de 0.441 y un MASE (Error Absoluto Escalado Medio) de 0.654, superando a modelos como Timestral-209M, t0-gamma, TimesFM-3 y Chronos-2. De manera similar, en fev-bench, TimeH2O-v1 registró una puntuación de habilidad SQL de 50.83 y una puntuación de habilidad MASE de 39.95, nuevamente superando a sus competidores.
TimeH2O-v1 es parte de la familia más amplia de TimeH2O, que también incluye TimeH2O-v1-tiny, un modelo más pequeño de 5.8M parámetros optimizado para un rendimiento máximo en lugar de una precisión máxima. El modelo v1 es más adecuado para escenarios donde maximizar la precisión de la predicción es el objetivo principal. Puede procesar hasta 16,384 pasos de tiempo de contexto y ofrece un horizonte de predicción ilimitado, generando 9 cuantiles (de 0.1 a 0.9) para pronósticos probabilísticos. El modelo acepta series objetivo con covariables opcionales como entradas.
El acceso a TimeH2O-v1 en Hugging Face requiere que los usuarios acepten compartir su información de Hugging Face y acepten condiciones específicas, ya que está licenciado para uso no comercial. El modelo fue entrenado en un conjunto diverso de conjuntos de datos, con cuidadosa exclusión de cualquier dato que se superponga con fev-bench, GIFT-Eval y TIME para garantizar resultados de benchmark imparciales. Las fuentes de datos de entrenamiento incluyen autogluon/chronos_datasets, Salesforce/GiftEvalPretrain, Salesforce/lotsa_data, hq-bench/quito-corpus, Dingdong-Inc/FreshRetailNet-LT, Azure Functions 2019 trace, Iowa Liquor Sales y BLS Average Prices, cada una con sus respectivas licencias.
- CategoríaModelos de IA y LLM
- ImplementaciónNube
- PlataformasHugging Face
Aspectos destacados de TimeH2O-v1
108M parámetros para pronósticos robustos
Capacidades de pronóstico probabilístico en cero disparos
Soporte para covariables para mejorar la precisión de la predicción
Resultados de benchmark de vanguardia en GIFT-Eval y fev-bench
Ventana de contexto de hasta 16,384 pasos de tiempo
Horizonte de predicción ilimitado
Genera 9 cuantiles (0.1 a 0.9) para pronósticos probabilísticos
Optimizado para máxima precisión en predicciones de series temporales
Licencia no comercial para uso
Exclusión de datos que se superponen con benchmarks en el entrenamiento
Parte de la familia de modelos TimeH2O
Accesible públicamente en Hugging Face con condiciones
Primeros pasos con TimeH2O-v1
Acceder al Modelo: Navega a la página de TimeH2O-v1 en Hugging Face.
Aceptar Condiciones: Revisa y acepta los términos y condiciones para acceder a los archivos y contenido del modelo.
Iniciar Sesión/Registrarse: Inicia sesión en tu cuenta de Hugging Face o regístrate si no tienes una.
Descargar Archivos: Descarga los archivos del modelo y los recursos asociados.
Configurar Entorno: Configura tu entorno de desarrollo con las dependencias necesarias para usar modelos de Hugging Face.
Integrar Modelo: Integra TimeH2O-v1 en tu aplicación o flujo de trabajo para pronósticos de series temporales.
Proporcionar Entradas: Suministra datos de series objetivo junto con covariables opcionales al modelo.
Generar Pronósticos: Utiliza el modelo para generar pronósticos probabilísticos en cero disparos con 9 cuantiles.
Casos de uso de TimeH2O-v1
- Pronóstico en Cero Disparos
- Pronóstico Probabilístico
- Predicción Mejorada por Covariables
- Análisis de Series Temporales de Alta Precisión
- Pronóstico de Largo Horizonte
- Evaluación del Rendimiento de Benchmark
- Investigación y Desarrollo







