본문으로 건너뛰기
ToolPotion
AI 어드바이저
제출 (무료)

TimeH2O-v1

TimeH2O-v1은 제로샷 확률 예측을 위해 설계된 1억 8백만 개의 매개변수를 가진 시계열 기초 모델입니다. 공변량을 지원하며 GIFT-Eval 및 fev-bench와 같은 벤치마크에서 최첨단 결과를 제공합니다. 이 모델은 미래의 시간 의존 데이터 포인트를 예측하는 데 높은 정확도가 필요한 애플리케이션에 이상적이며, 다양한 예측 작업에 대해 강력한 성능을 제공합니다.

모델 보기
공유
모델 보기
공유

TimeH2O-v1은 H2O.ai에서 개발한 정교한 시계열 기초 모델로, 1억 8백만 개의 매개변수를 특징으로 합니다. 이 모델은 제로샷 확률 예측을 위해 특별히 설계되었으며, 이는 특정 데이터 세트에 대한 사전 미세 조정 없이도 보지 못한 데이터에 대한 예측을 수행할 수 있음을 의미합니다. TimeH2O-v1의 주요 기능 중 하나는 공변량을 지원하여 기본 시계열 데이터와 함께 추가적인 관련 변수를 통합하여 예측 정확도를 향상시킬 수 있다는 점입니다.

더 읽기

이 모델은 여러 벤치마크에서 최첨단 성능을 입증했습니다. GIFT-Eval에서 CRPS(연속 순위 확률 점수) 0.441과 MASE(평균 절대 스케일 오차) 0.654를 달성하여 Timestral-209M, t0-gamma, TimesFM-3 및 Chronos-2와 같은 모델을 능가했습니다. 유사하게, fev-bench에서 TimeH2O-v1은 SQL 기술 점수 50.83과 MASE 기술 점수 39.95를 기록하여 경쟁자를 다시 초월했습니다.

TimeH2O-v1은 TimeH2O 패밀리의 일부로, 최대 처리량을 위해 최적화된 더 작은 5.8M 매개변수 모델인 TimeH2O-v1-tiny도 포함됩니다. v1 모델은 예측 정확도를 극대화하는 것이 주요 목표인 시나리오에 가장 적합합니다. 이 모델은 최대 16,384개의 시간 단계의 컨텍스트를 처리할 수 있으며, 무제한 예측 수평을 제공하여 확률적 예측을 위해 9개의 분위수(0.1에서 0.9까지)를 출력합니다. 이 모델은 선택적 공변량과 함께 목표 시리즈를 입력으로 받아들입니다.

Hugging Face에서 TimeH2O-v1에 접근하려면 사용자가 Hugging Face 정보를 공유하고 특정 조건을 수락해야 하며, 이는 비상업적 사용을 위해 라이센스가 부여됩니다. 이 모델은 다양한 데이터 세트에서 훈련되었으며, 편향 없는 벤치마크 결과를 보장하기 위해 fev-bench, GIFT-Eval 및 TIME과 겹치는 데이터를 신중하게 제외했습니다. 훈련 데이터 출처에는 autogluon/chronos_datasets, Salesforce/GiftEvalPretrain, Salesforce/lotsa_data, hq-bench/quito-corpus, Dingdong-Inc/FreshRetailNet-LT, Azure Functions 2019 trace, Iowa Liquor Sales 및 BLS Average Prices가 포함되며, 각각의 라이센스가 있습니다.

  • 카테고리AI 모델 및 LLM
  • 배포클라우드
  • 플랫폼Hugging Face

  • 1억 8백만 개의 매개변수로 강력한 예측 제공

  • 제로샷 확률 예측 기능

  • 예측 정확도를 향상시키기 위한 공변량 지원

  • GIFT-Eval 및 fev-bench에서 최첨단 벤치마크 결과

  • 최대 16,384개의 시간 단계의 컨텍스트 창

  • 무제한 예측 수평

  • 확률적 예측을 위한 9개의 분위수(0.1에서 0.9까지) 출력

  • 시계열 예측에서 최대 정확도를 위해 최적화됨

  • 비상업적 사용을 위한 라이센스

  • 훈련에서 벤치마크 겹치는 데이터 제외

  • TimeH2O 모델 패밀리의 일부

  • 조건부로 Hugging Face에서 공개 접근 가능

  1. 모델 접근: Hugging Face에서 TimeH2O-v1 페이지로 이동합니다.

  2. 조건 수락: 모델의 파일 및 콘텐츠에 접근하기 위해 약관을 검토하고 수락합니다.

  3. 로그인/가입: Hugging Face 계정에 로그인하거나 계정이 없으면 가입합니다.

  4. 파일 다운로드: 모델 파일 및 관련 리소스를 다운로드합니다.

  5. 환경 설정: Hugging Face 모델을 사용하기 위한 필수 종속성으로 개발 환경을 구성합니다.

  6. 모델 통합: TimeH2O-v1을 시계열 예측을 위한 애플리케이션이나 워크플로에 통합합니다.

  7. 입력 제공: 모델에 목표 시리즈 데이터와 선택적 공변량을 제공합니다.

  8. 예측 생성: 모델을 활용하여 9개의 분위수로 제로샷 확률 예측을 생성합니다.

  • 제로샷 예측
  • 확률적 예측
  • 공변량 강화 예측
  • 고정밀 시계열 분석
  • 장기 예측
  • 벤치마크 성능 평가
  • 연구 및 개발

TimeH2O-v1 리뷰

로딩 중...

TimeH2O-v1와(과) 비슷한 인기 AI 도구

Chronos-2는 제로샷 예측을 위해 설계된 120M 매개변수의 인코더 전용 시계열 기초 모델입니다. 다양한 예측 작업을 지원하며, 단일 A10G GPU에서 초당 300개 이상의 예측을 제공하는 효율성을 자랑합니다.

예측 및 예측 분석
도구 보기

제로샷 예측을 위해 설계된 120M 매개변수의 인코더 전용 시계열 기초 모델입니다. 다양한 예측 작업을 지원하며, 단일 A10G GPU에서 초당 300개 이상의 예측을 제공하는 효율성을 자랑합니다.Chronos-2는 제로샷 예측을 위해 설계된 120M 매개변수의 인코더 전용 시계열 기초 모델입니다. 다양한 예측 작업을 지원하며, 단일 A10G GPU에서 초당 300개 이상의 예측을 제공하는 효율성을 자랑합니다.

추천예측 및 예측 분석
AI 모델 TOP 5 보기

Timestral-209M은 제로샷 예측을 위해 설계된 시계열 기초 모델입니다. 단일 변수 및 다변량 예측을 지원하며, 최대 32,768개의 과거 시간 단계를 처리할 수 있습니다. 이 모델은 오픈 소스이며, 사용자가 벤치마크 결과를 쉽게 재현할 수 있도록 합니다.

예측 및 예측 분석
도구 보기

제로샷 예측을 위해 설계된 시계열 기초 모델입니다. 단일 변수 및 다변량 예측을 지원하며, 최대 32,768개의 과거 시간 단계를 처리할 수 있습니다. 이 모델은 오픈 소스이며, 사용자가 벤치마크 결과를 쉽게 재현할 수 있도록 합니다.Timestral-209M은 제로샷 예측을 위해 설계된 시계열 기초 모델입니다. 단일 변수 및 다변량 예측을 지원하며, 최대 32,768개의 과거 시간 단계를 처리할 수 있습니다. 이 모델은 오픈 소스이며, 사용자가 벤치마크 결과를 쉽게 재현할 수 있도록 합니다.

예측 및 예측 분석
AI 모델 TOP 5 보기

TimesNet

AI 모델

TimesNet은 1D 시계열을 2D 공간으로 변환하여 모델링을 강화하는 일반 시계열 분석을 위한 기반 모델입니다. 예측, 대체, 이상 탐지 및 분류에서 최첨단 결과를 달성하며, 다양한 시간 패턴에 걸쳐 강력한 표현 학습을 위해 비전 백본을 활용합니다.

AI 모델 및 LLM
도구 보기

AI 모델

1D 시계열을 2D 공간으로 변환하여 모델링을 강화하는 일반 시계열 분석을 위한 기반 모델입니다. 예측, 대체, 이상 탐지 및 분류에서 최첨단 결과를 달성하며, 다양한 시간 패턴에 걸쳐 강력한 표현 학습을 위해 비전 백본을 활용합니다.TimesNet은 1D 시계열을 2D 공간으로 변환하여 모델링을 강화하는 일반 시계열 분석을 위한 기반 모델입니다. 예측, 대체, 이상 탐지 및 분류에서 최첨단 결과를 달성하며, 다양한 시간 패턴에 걸쳐 강력한 표현 학습을 위해 비전 백본을 활용합니다.

AI 모델 및 LLM
AI 모델 TOP 5 보기

TimesFM 3.0은 Google Research에서 개발한 사전 훈련된 시계열 기초 모델입니다. 시계열 예측을 위해 설계되었으며, PyTorch 가중치 및 구성으로 제공됩니다.

예측 및 예측 분석
도구 보기

Google Research에서 개발한 사전 훈련된 시계열 기초 모델입니다. 시계열 예측을 위해 설계되었으며, PyTorch 가중치 및 구성으로 제공됩니다.TimesFM 3.0은 Google Research에서 개발한 사전 훈련된 시계열 기초 모델입니다. 시계열 예측을 위해 설계되었으며, PyTorch 가중치 및 구성으로 제공됩니다.

예측 및 예측 분석
AI 모델 TOP 5 보기

PatchTST

AI 모델

PatchTST는 Transformer 기반 모델의 공식 구현으로, 장기 시계열 예측에 사용됩니다. 시계열을 패치로 분할하고 독립적으로 처리하여 효율적이고 효과적인 예측을 제공합니다. 이 프로젝트는 지도 학습 및 자기 지도 학습 접근 방식 모두에 대한 코드를 제공하여 강력한 예측 기능을 지원합니다.

AI 모델 및 LLM
도구 보기

AI 모델

Transformer 기반 모델의 공식 구현으로, 장기 시계열 예측에 사용됩니다. 시계열을 패치로 분할하고 독립적으로 처리하여 효율적이고 효과적인 예측을 제공합니다. 이 프로젝트는 지도 학습 및 자기 지도 학습 접근 방식 모두에 대한 코드를 제공하여 강력한 예측 기능을 지원합니다.PatchTST는 Transformer 기반 모델의 공식 구현으로, 장기 시계열 예측에 사용됩니다. 시계열을 패치로 분할하고 독립적으로 처리하여 효율적이고 효과적인 예측을 제공합니다. 이 프로젝트는 지도 학습 및 자기 지도 학습 접근 방식 모두에 대한 코드를 제공하여 강력한 예측 기능을 지원합니다.

AI 모델 및 LLM
AI 모델 TOP 5 보기

Timestral

AI GitHub 저장소

Timestral은 Mistral AI에서 개발한 시계열 기초 모델입니다. 복잡한 시계열 데이터를 처리하도록 설계되어 강력한 분석 및 통찰력을 제공합니다. 예측 분석 및 예측 작업을 수행하는 개발자와 데이터 과학자에게 이상적입니다.

AI 모델 및 LLM
도구 보기

AI GitHub 저장소

Mistral AI에서 개발한 시계열 기초 모델입니다. 복잡한 시계열 데이터를 처리하도록 설계되어 강력한 분석 및 통찰력을 제공합니다. 예측 분석 및 예측 작업을 수행하는 개발자와 데이터 과학자에게 이상적입니다.Timestral은 Mistral AI에서 개발한 시계열 기초 모델입니다. 복잡한 시계열 데이터를 처리하도록 설계되어 강력한 분석 및 통찰력을 제공합니다. 예측 분석 및 예측 작업을 수행하는 개발자와 데이터 과학자에게 이상적입니다.

AI 모델 및 LLM
AI GitHub 저장소 TOP 250 보기

GluonTS

AI 프레임워크

GluonTS는 PyTorch 및 MXNet 기반의 딥러닝 모델을 활용하는 확률론적 시계열 모델링을 위한 Python 패키지입니다. 예측 구간을 포함한 확률 분포 형태로 예측을 생성하여 정확한 예측을 지원하며, 복잡한 시계열 분석에 적합합니다.

AI 모델 및 LLM
도구 보기

AI 프레임워크

PyTorch 및 MXNet 기반의 딥러닝 모델을 활용하는 확률론적 시계열 모델링을 위한 Python 패키지입니다. 예측 구간을 포함한 확률 분포 형태로 예측을 생성하여 정확한 예측을 지원하며, 복잡한 시계열 분석에 적합합니다.GluonTS는 PyTorch 및 MXNet 기반의 딥러닝 모델을 활용하는 확률론적 시계열 모델링을 위한 Python 패키지입니다. 예측 구간을 포함한 확률 분포 형태로 예측을 생성하여 정확한 예측을 지원하며, 복잡한 시계열 분석에 적합합니다.

AI 모델 및 LLM
AI 프레임워크 TOP 50 보기

Chronos

AI GitHub 저장소

Chronos는 시계열 예측을 위한 사전 훈련된 모델을 제공하는 GitHub 저장소입니다. Amazon Science에서 개발하였으며, 다양한 분야에서 정확한 예측을 위한 도구를 제공하여 의사 결정 과정을 향상시킵니다.

예측 및 예측 분석
도구 보기

AI GitHub 저장소

시계열 예측을 위한 사전 훈련된 모델을 제공하는 GitHub 저장소입니다. Amazon Science에서 개발하였으며, 다양한 분야에서 정확한 예측을 위한 도구를 제공하여 의사 결정 과정을 향상시킵니다.Chronos는 시계열 예측을 위한 사전 훈련된 모델을 제공하는 GitHub 저장소입니다. Amazon Science에서 개발하였으며, 다양한 분야에서 정확한 예측을 위한 도구를 제공하여 의사 결정 과정을 향상시킵니다.

예측 및 예측 분석
AI GitHub 저장소 TOP 250 보기
1/8