Description
TimeH2O-v1 est un modèle fondamental de séries temporelles sophistiqué développé par H2O.ai, avec 108 millions de paramètres. Il est spécifiquement conçu pour la prévision probabiliste en zéro-shot, ce qui signifie qu'il peut faire des prédictions sur des données non vues sans nécessiter de fine-tuning préalable sur ce jeu de données spécifique. Une capacité clé de TimeH2O-v1 est son support pour les covariables, lui permettant d'incorporer des variables supplémentaires pertinentes aux côtés des données de séries temporelles principales pour améliorer la précision des prédictions.
Lire la suite
Le modèle a démontré des performances à la pointe de la technologie sur plusieurs benchmarks. Sur GIFT-Eval, il a atteint un CRPS (Continuous Ranked Probability Score) de 0.441 et un MASE (Mean Absolute Scaled Error) de 0.654, surpassant des modèles tels que Timestral-209M, t0-gamma, TimesFM-3 et Chronos-2. De même, sur fev-bench, TimeH2O-v1 a enregistré un score de compétence SQL de 50.83 et un score de compétence MASE de 39.95, dépassant encore une fois ses concurrents.
TimeH2O-v1 fait partie de la famille plus large TimeH2O, qui comprend également TimeH2O-v1-tiny, un modèle plus petit de 5.8M paramètres optimisé pour un débit maximal plutôt que pour une précision maximale. Le modèle v1 est le mieux adapté aux scénarios où maximiser la précision des prédictions est l'objectif principal. Il peut traiter jusqu'à 16 384 étapes temporelles de contexte et offre un horizon de prédiction illimité, produisant 9 quantiles (de 0.1 à 0.9) pour des prévisions probabilistes. Le modèle accepte des séries cibles avec des covariables optionnelles comme entrées.
L'accès à TimeH2O-v1 sur Hugging Face nécessite que les utilisateurs acceptent de partager leurs informations Hugging Face et d'accepter des conditions spécifiques, car il est sous licence pour un usage non commercial. Le modèle a été entraîné sur un ensemble diversifié de jeux de données, avec exclusion soigneuse de toute donnée chevauchant fev-bench, GIFT-Eval et TIME pour garantir des résultats de benchmark impartiaux. Les sources de données d'entraînement incluent autogluon/chronos_datasets, Salesforce/GiftEvalPretrain, Salesforce/lotsa_data, hq-bench/quito-corpus, Dingdong-Inc/FreshRetailNet-LT, Azure Functions 2019 trace, Iowa Liquor Sales et BLS Average Prices, chacune avec leurs licences respectives.
- CatégorieModèles d'IA et LLM
- DéploiementCloud
- PlateformesHugging Face
Points forts de TimeH2O-v1
108M paramètres pour des prévisions robustes
Capacités de prévision probabiliste en zéro-shot
Support pour les covariables afin d'améliorer la précision des prédictions
Résultats de benchmark à la pointe de la technologie sur GIFT-Eval et fev-bench
Fenêtre de contexte allant jusqu'à 16 384 étapes temporelles
Horizon de prédiction illimité
Produits 9 quantiles (0.1 à 0.9) pour des prévisions probabilistes
Optimisé pour une précision maximale dans les prédictions de séries temporelles
Licence non commerciale pour l'utilisation
Exclusion des données chevauchant les benchmarks de l'entraînement
Fait partie de la famille de modèles TimeH2O
Accessible publiquement sur Hugging Face avec conditions
Premiers pas avec TimeH2O-v1
Accéder au modèle : Naviguez vers la page TimeH2O-v1 sur Hugging Face.
Accepter les conditions : Examinez et acceptez les termes et conditions pour accéder aux fichiers et contenus du modèle.
Se connecter/S'inscrire : Connectez-vous à votre compte Hugging Face ou inscrivez-vous si vous n'en avez pas.
Télécharger les fichiers : Téléchargez les fichiers du modèle et les ressources associées.
Configurer l'environnement : Configurez votre environnement de développement avec les dépendances nécessaires pour utiliser les modèles Hugging Face.
Intégrer le modèle : Intégrez TimeH2O-v1 dans votre application ou flux de travail pour la prévision de séries temporelles.
Fournir des entrées : Fournissez des données de séries cibles avec des covariables optionnelles au modèle.
Générer des prévisions : Utilisez le modèle pour générer des prévisions probabilistes en zéro-shot avec 9 quantiles.
Cas d'utilisation de TimeH2O-v1
- Prévision en zéro-shot
- Prévision probabiliste
- Prédiction améliorée par covariables
- Analyse de séries temporelles à haute précision
- Prévision à long terme
- Évaluation des performances de benchmark
- Recherche et développement







