Pular para o conteúdo principal
ToolPotion
Consultor de IA
Enviar

TimeH2O-v1

TimeH2O-v1 é um modelo de base de séries temporais com 108 milhões de parâmetros, projetado para previsão probabilística zero-shot. Ele suporta covariáveis e oferece resultados de ponta em benchmarks como GIFT-Eval e fev-bench. Este modelo é ideal para aplicações que exigem alta precisão na previsão de pontos de dados futuros dependentes do tempo, oferecendo desempenho robusto para várias tarefas de previsão.

Ver modelo
Compartilhar
Ver modelo
Compartilhar

TimeH2O-v1 é um sofisticado modelo de base de séries temporais desenvolvido pela H2O.ai, com 108 milhões de parâmetros. Ele é especificamente projetado para previsão probabilística zero-shot, o que significa que pode fazer previsões em dados não vistos sem exigir ajuste fino prévio nesse conjunto de dados específico. Uma capacidade chave do TimeH2O-v1 é seu suporte para covariáveis, permitindo que ele incorpore variáveis adicionais relevantes juntamente com os dados principais da série temporal para melhorar a precisão da previsão.

Ler mais

O modelo demonstrou desempenho de ponta em vários benchmarks. No GIFT-Eval, alcançou um CRPS (Continuous Ranked Probability Score) de 0.441 e um MASE (Mean Absolute Scaled Error) de 0.654, superando modelos como Timestral-209M, t0-gamma, TimesFM-3 e Chronos-2. Da mesma forma, no fev-bench, o TimeH2O-v1 registrou uma pontuação de habilidade SQL de 50.83 e uma pontuação de habilidade MASE de 39.95, novamente superando seus concorrentes.

TimeH2O-v1 faz parte da família mais ampla TimeH2O, que também inclui o TimeH2O-v1-tiny, um modelo menor com 5.8M de parâmetros otimizado para máxima taxa de transferência em vez de precisão máxima. O modelo v1 é mais adequado para cenários onde maximizar a precisão da previsão é o objetivo principal. Ele pode processar até 16.384 passos de tempo de contexto e oferece um horizonte de previsão ilimitado, produzindo 9 quantis (de 0.1 a 0.9) para previsões probabilísticas. O modelo aceita séries-alvo com covariáveis opcionais como entradas.

O acesso ao TimeH2O-v1 no Hugging Face requer que os usuários concordem em compartilhar suas informações do Hugging Face e aceitem condições específicas, uma vez que é licenciado para uso não comercial. O modelo foi treinado em um conjunto diversificado de conjuntos de dados, com cuidadosa exclusão de quaisquer dados que se sobreponham ao fev-bench, GIFT-Eval e TIME para garantir resultados de benchmark imparciais. As fontes de dados de treinamento incluem autogluon/chronos_datasets, Salesforce/GiftEvalPretrain, Salesforce/lotsa_data, hq-bench/quito-corpus, Dingdong-Inc/FreshRetailNet-LT, Azure Functions 2019 trace, Iowa Liquor Sales e BLS Average Prices, cada uma com suas respectivas licenças.

  • CategoriaModelos de IA e LLMs
  • ImplantaçãoNuvem
  • PlataformasHugging Face

  • 108M parâmetros para previsão robusta

  • Capacidades de previsão probabilística zero-shot

  • Suporte para covariáveis para melhorar a precisão da previsão

  • Resultados de benchmark de ponta no GIFT-Eval e fev-bench

  • Janela de contexto de até 16.384 passos de tempo

  • Horizonte de previsão ilimitado

  • Produz 9 quantis (0.1 a 0.9) para previsões probabilísticas

  • Otimizado para máxima precisão em previsões de séries temporais

  • Licença não comercial para uso

  • Exclusão de dados que se sobrepõem a benchmarks durante o treinamento

  • Parte da família de modelos TimeH2O

  • Acessível publicamente no Hugging Face com condições

  1. Acessar o Modelo: Navegue até a página do TimeH2O-v1 no Hugging Face.

  2. Aceitar Condições: Revise e aceite os termos e condições para acessar os arquivos e conteúdos do modelo.

  3. Entrar/Cadastrar: Faça login na sua conta do Hugging Face ou cadastre-se se não tiver uma.

  4. Baixar Arquivos: Baixe os arquivos do modelo e os recursos associados.

  5. Configurar Ambiente: Configure seu ambiente de desenvolvimento com as dependências necessárias para usar modelos do Hugging Face.

  6. Integrar Modelo: Integre o TimeH2O-v1 em sua aplicação ou fluxo de trabalho para previsão de séries temporais.

  7. Fornecer Entradas: Forneça dados da série-alvo juntamente com covariáveis opcionais ao modelo.

  8. Gerar Previsões: Utilize o modelo para gerar previsões probabilísticas zero-shot com 9 quantis.

  • Previsão Zero-Shot
  • Previsão Probabilística
  • Previsão Aprimorada por Covariáveis
  • Análise de Séries Temporais de Alta Precisão
  • Previsão de Longo Prazo
  • Avaliação de Desempenho em Benchmark
  • Pesquisa e Desenvolvimento

Avaliações de TimeH2O-v1

Carregando...

Ferramentas de IA populares como TimeH2O-v1

Modelo de base de séries temporais com 120 milhões de parâmetros, projetado para previsões zero-shot. Ele suporta várias tarefas de previsão e é eficiente,…Chronos-2 é um modelo de base de séries temporais com 120 milhões de parâmetros, projetado para previsões zero-shot. Ele suporta várias tarefas de previsão e é eficiente,…

DestaquePrevisão e análise preditiva
Ver o Top 5 de Modelos de IA

Timestral-209M

Modelos de IA

Timestral-209M é um modelo de fundação de séries temporais projetado para previsão zero-shot. Ele suporta previsões univariadas e multivariadas, previsões probabilísticas e pode…

Previsão e análise preditiva
Ver ferramenta

Modelos de IA

Modelo de fundação de séries temporais projetado para previsão zero-shot. Ele suporta previsões univariadas e multivariadas, previsões probabilísticas e pode…Timestral-209M é um modelo de fundação de séries temporais projetado para previsão zero-shot. Ele suporta previsões univariadas e multivariadas, previsões probabilísticas e pode…

Previsão e análise preditiva
Ver o Top 5 de Modelos de IA

TimesNet

Modelos de IA

TimesNet é um modelo fundamental para análise geral de séries temporais, transformando séries 1D em espaço 2D para modelagem aprimorada. Ele alcança resultados de ponta em…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Modelo fundamental para análise geral de séries temporais, transformando séries 1D em espaço 2D para modelagem aprimorada. Ele alcança resultados de ponta em…TimesNet é um modelo fundamental para análise geral de séries temporais, transformando séries 1D em espaço 2D para modelagem aprimorada. Ele alcança resultados de ponta em…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

TimesFM 3.0 é um modelo de base para séries temporais pré-treinado desenvolvido pela Google Research. É projetado para previsão de séries temporais e está disponível com pesos e…

Previsão e análise preditiva
Ver ferramenta

Modelo de base para séries temporais pré-treinado desenvolvido pela Google Research. É projetado para previsão de séries temporais e está disponível com pesos e…TimesFM 3.0 é um modelo de base para séries temporais pré-treinado desenvolvido pela Google Research. É projetado para previsão de séries temporais e está disponível com pesos e…

Previsão e análise preditiva
Ver o Top 5 de Modelos de IA

PatchTST

Modelos de IA

PatchTST é uma implementação oficial de um modelo baseado em Transformer para previsão de séries temporais de longo prazo. Ele segmenta séries temporais em patches e os processa…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Implementação oficial de um modelo baseado em Transformer para previsão de séries temporais de longo prazo. Ele segmenta séries temporais em patches e os processa…PatchTST é uma implementação oficial de um modelo baseado em Transformer para previsão de séries temporais de longo prazo. Ele segmenta séries temporais em patches e os processa…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Timestral

Repositórios de IA no GitHub

Timestral é um modelo de fundação de séries temporais desenvolvido pela Mistral AI. É projetado para lidar com dados complexos de séries temporais, fornecendo análises e insights…

Modelos de IA e LLMs
Ver ferramenta

Repositórios de IA no GitHub

Modelo de fundação de séries temporais desenvolvido pela Mistral AI. É projetado para lidar com dados complexos de séries temporais, fornecendo análises e insights…Timestral é um modelo de fundação de séries temporais desenvolvido pela Mistral AI. É projetado para lidar com dados complexos de séries temporais, fornecendo análises e insights…

Modelos de IA e LLMs
Ver o Top 250 de Repositórios de IA no GitHub

GluonTS

Frameworks de IA

GluonTS é um pacote Python para modelagem probabilística de séries temporais, utilizando modelos de deep learning construídos sobre PyTorch e MXNet. Ele facilita previsões…

Modelos de IA e LLMs
Ver ferramenta

Frameworks de IA

Pacote Python para modelagem probabilística de séries temporais, utilizando modelos de deep learning construídos sobre PyTorch e MXNet. Ele facilita previsões…GluonTS é um pacote Python para modelagem probabilística de séries temporais, utilizando modelos de deep learning construídos sobre PyTorch e MXNet. Ele facilita previsões…

Modelos de IA e LLMs
Ver o Top 50 de Frameworks de IA

Chronos

Repositórios de IA no GitHub

Chronos é um repositório do GitHub que oferece modelos pré-treinados para previsão de séries temporais. Desenvolvido pela Amazon Science, fornece ferramentas para previsões…

Previsão e análise preditiva
Ver ferramenta

Repositórios de IA no GitHub

Repositório do GitHub que oferece modelos pré-treinados para previsão de séries temporais. Desenvolvido pela Amazon Science, fornece ferramentas para previsões…Chronos é um repositório do GitHub que oferece modelos pré-treinados para previsão de séries temporais. Desenvolvido pela Amazon Science, fornece ferramentas para previsões…

Previsão e análise preditiva
Ver o Top 250 de Repositórios de IA no GitHub
1 de 8