Aller au contenu principal
ToolPotion
Conseiller IA
Soumettre

TimeH2O-v1

TimeH2O-v1 est un modèle fondamental de séries temporelles de 108 millions de paramètres conçu pour la prévision probabiliste en zéro-shot. Il prend en charge les covariables et offre des résultats à la pointe de la technologie sur des benchmarks tels que GIFT-Eval et fev-bench. Ce modèle est idéal pour les applications nécessitant une grande précision dans la prédiction de points de données futurs dépendants du temps, offrant des performances robustes pour diverses tâches de prévision.

Voir le modèle
Partager
Voir le modèle
Partager

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

  • 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

  1. Accéder au modèle : Naviguez vers la page TimeH2O-v1 sur Hugging Face.

  2. Accepter les conditions : Examinez et acceptez les termes et conditions pour accéder aux fichiers et contenus du modèle.

  3. Se connecter/S'inscrire : Connectez-vous à votre compte Hugging Face ou inscrivez-vous si vous n'en avez pas.

  4. Télécharger les fichiers : Téléchargez les fichiers du modèle et les ressources associées.

  5. Configurer l'environnement : Configurez votre environnement de développement avec les dépendances nécessaires pour utiliser les modèles Hugging Face.

  6. Intégrer le modèle : Intégrez TimeH2O-v1 dans votre application ou flux de travail pour la prévision de séries temporelles.

  7. Fournir des entrées : Fournissez des données de séries cibles avec des covariables optionnelles au modèle.

  8. Générer des prévisions : Utilisez le modèle pour générer des prévisions probabilistes en zéro-shot avec 9 quantiles.

  • 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

Avis sur TimeH2O-v1

Chargement...

Outils IA populaires comme TimeH2O-v1

Modèle de base de séries temporelles à 120 millions de paramètres, conçu pour la prévision sans apprentissage préalable. Il prend en charge diverses tâches de…Chronos-2 est un modèle de base de séries temporelles à 120 millions de paramètres, conçu pour la prévision sans apprentissage préalable. Il prend en charge diverses tâches de…

En vedettePrévision et analyse prédictive
Voir le Top 5 Modèles IA

Timestral-209M

Modèles IA

Timestral-209M est un modèle de fondation pour séries temporelles conçu pour la prévision zéro-shot. Il prend en charge la prévision univariée et multivariée, les prédictions…

Prévision et analyse prédictive
Voir l'outil

Modèles IA

Modèle de fondation pour séries temporelles conçu pour la prévision zéro-shot. Il prend en charge la prévision univariée et multivariée, les prédictions…Timestral-209M est un modèle de fondation pour séries temporelles conçu pour la prévision zéro-shot. Il prend en charge la prévision univariée et multivariée, les prédictions…

Prévision et analyse prédictive
Voir le Top 5 Modèles IA

TimesNet

Modèles IA

TimesNet est un modèle fondamental pour l'analyse générale des séries temporelles, transformant les séries 1D en espace 2D pour une modélisation améliorée. Il obtient des…

Modèles d'IA et LLM
Voir l'outil

Modèles IA

Modèle fondamental pour l'analyse générale des séries temporelles, transformant les séries 1D en espace 2D pour une modélisation améliorée. Il obtient des…TimesNet est un modèle fondamental pour l'analyse générale des séries temporelles, transformant les séries 1D en espace 2D pour une modélisation améliorée. Il obtient des…

Modèles d'IA et LLM
Voir le Top 5 Modèles IA

TimesFM 3.0 est un modèle de base pour séries temporelles préentraîné développé par Google Research. Il est conçu pour la prévision de séries temporelles et est disponible avec…

Prévision et analyse prédictive
Voir l'outil

Modèle de base pour séries temporelles préentraîné développé par Google Research. Il est conçu pour la prévision de séries temporelles et est disponible avec…TimesFM 3.0 est un modèle de base pour séries temporelles préentraîné développé par Google Research. Il est conçu pour la prévision de séries temporelles et est disponible avec…

Prévision et analyse prédictive
Voir le Top 5 Modèles IA

PatchTST

Modèles IA

PatchTST est une implémentation officielle d'un modèle basé sur Transformer pour la prévision de séries temporelles à long terme. Il segmente les séries temporelles en "patches"…

Modèles d'IA et LLM
Voir l'outil

Modèles IA

Implémentation officielle d'un modèle basé sur Transformer pour la prévision de séries temporelles à long terme. Il segmente les séries temporelles en "patches"…PatchTST est une implémentation officielle d'un modèle basé sur Transformer pour la prévision de séries temporelles à long terme. Il segmente les séries temporelles en "patches"…

Modèles d'IA et LLM
Voir le Top 5 Modèles IA

Timestral

Dépôts GitHub d'IA

Timestral est un modèle fondamental de séries temporelles développé par Mistral AI. Il est conçu pour gérer des données de séries temporelles complexes, fournissant des analyses…

Modèles d'IA et LLM
Voir l'outil

Dépôts GitHub d'IA

Modèle fondamental de séries temporelles développé par Mistral AI. Il est conçu pour gérer des données de séries temporelles complexes, fournissant des analyses…Timestral est un modèle fondamental de séries temporelles développé par Mistral AI. Il est conçu pour gérer des données de séries temporelles complexes, fournissant des analyses…

Modèles d'IA et LLM
Voir le Top 250 Dépôts GitHub d'IA

GluonTS

Frameworks IA

GluonTS est un package Python pour la modélisation probabiliste de séries temporelles, exploitant des modèles d'apprentissage profond basés sur PyTorch et MXNet. Il facilite des…

Modèles d'IA et LLM
Voir l'outil

Frameworks IA

Package Python pour la modélisation probabiliste de séries temporelles, exploitant des modèles d'apprentissage profond basés sur PyTorch et MXNet. Il facilite des…GluonTS est un package Python pour la modélisation probabiliste de séries temporelles, exploitant des modèles d'apprentissage profond basés sur PyTorch et MXNet. Il facilite des…

Modèles d'IA et LLM
Voir le Top 50 Frameworks IA

Chronos

Dépôts GitHub d'IA

Chronos est un dépôt GitHub proposant des modèles préentraînés pour la prévision de séries temporelles. Développé par Amazon Science, il fournit des outils pour des prédictions…

Prévision et analyse prédictive
Voir l'outil

Dépôts GitHub d'IA

Dépôt GitHub proposant des modèles préentraînés pour la prévision de séries temporelles. Développé par Amazon Science, il fournit des outils pour des prédictions…Chronos est un dépôt GitHub proposant des modèles préentraînés pour la prévision de séries temporelles. Développé par Amazon Science, il fournit des outils pour des prédictions…

Prévision et analyse prédictive
Voir le Top 250 Dépôts GitHub d'IA
1 sur 8