N-BEATS

Описание

N-BEATS — это сложная модель на основе нейронных сетей, специально разработанная для прогнозирования одномерных временных рядов. Она представляет собой значительный вклад от ServiceNow Research, корни которого уходят в Element AI. Проект направлен на предоставление надежной реализации алгоритма N-BEATS, позволяющей исследователям и практикам воспроизводить экспериментальные результаты, представленные в соответствующей статье.

Репозиторий структурирован для обеспечения легкого доступа и использования. Основная реализация модели N-BEATS на PyTorch находится в файле `models/nbeats.py`. Для обработки данных загрузчики наборов данных для различных наборов данных, используемых в статье, расположены в каталоге `datasets/*.py`. Каталог `experiments/*` содержит экспериментальные настройки, необходимые для воспроизведения результатов статьи, каждый из которых включает скрипт `main.py` для логики обучения и прогнозирования, а также файлы конфигурации для общих и интерпретируемых вариантов модели.

Результаты и метрики производительности документированы в каталоге `notebooks`, с выделенным блокнотом для каждого эксперимента. Эти блокноты демонстрируют окончательные оценки и дают представление об эффективности различных размеров ансамблей, отмечая, что меньшие ансамбли часто дают сопоставимые результаты с большими. Эта реализация описывается как «облегченная» версия оригинальной N-BEATS, предлагающая производительность, которая в целом находится на том же передовом уровне, с периодическими вариациями результатов.

Проект подчеркивает воспроизводимость с помощью Docker, делая его доступным для пользователей как с графическими процессорами NVIDIA, так и без них. `Makefile` предоставляет команды для инициализации образа Docker, загрузки наборов данных, запуска тестов, создания экспериментов и выполнения прогнозов как на ЦП, так и на ГП. Подробные инструкции предоставляются для настройки среды, сборки образа Docker, загрузки наборов данных и запуска экспериментов с настраиваемыми параметрами, такими как количество повторений и периоды упреждения. Результаты экспериментов, включая журналы, потери, снимки и окончательные прогнозы, хранятся в каталоге `storage/experiments`.

N-BEATS особенно ценна для специалистов по данным, инженеров машинного обучения и исследователей, занимающихся анализом временных рядов, прогнозированием и предиктивным моделированием. Ее интерпретируемость и передовая производительность делают ее мощным инструментом для понимания и прогнозирования будущих тенденций в одномерных данных в различных областях.

Главное о N-BEATS

• Модель на основе нейронных сетей для прогнозирования одномерных временных рядов

• Реализация алгоритма N-BEATS

• Воспроизводимые экспериментальные результаты

• Доступна реализация на PyTorch

• Загрузчики наборов данных для различных наборов данных

• Файлы конфигурации для общих и интерпретируемых моделей

• Поддержка Docker для настройки среды

• Поддержка выполнения на ЦП и ГП

• Подробные инструкции для воспроизведения

• Хранилище для журналов экспериментов, потерь и прогнозов

Начало работы с N-BEATS

1. 1

   Настройка среды: Убедитесь, что Docker установлен, и настройте Makefile для вашей среды.

2. 2

   Сборка образа Docker: Запустите `make init` для сборки образа Docker.

3. 3

   Загрузка наборов данных: Выполните `make dataset` для загрузки необходимых наборов данных.

4. 4

   Создание эксперимента: Используйте `make build config=<path_to_config.gin>` для генерации конфигураций экспериментов.

5. 5

   Запуск экспериментов: Используйте `make run command=<path_to_command>` для ЦП или `make run command=<path_to_command> gpu=<gpu-id>` для ГП.

6. 6

   Получение статистики эксперимента: Запустите блокнот JupyterLab через `make notebook port=<port>` для анализа производительности.

Варианты использования N-BEATS

• Прогнозирование временных рядов
• Предиктивная аналитика
• Прогнозирование спроса
• Финансовое прогнозирование
• Планирование ресурсов

Часто задаваемые вопросы N-BEATS

• Что такое N-BEATS?

  N-BEATS — это модель на основе нейронных сетей, предназначенная для прогнозирования одномерных временных рядов, разработанная ServiceNow Research.

• С какими типами данных временных рядов работает N-BEATS?

  N-BEATS специально разработана для прогнозирования одномерных временных рядов, что означает, что она прогнозирует один временной ряд за раз.

• Как я могу воспроизвести экспериментальные результаты, представленные в статье N-BEATS?

  Репозиторий предоставляет необходимый код, загрузчики наборов данных и файлы конфигурации для воспроизведения экспериментальных результатов. Рекомендуется использовать Docker для настройки среды.

• На каком языке программирования реализован N-BEATS?

  Основная реализация N-BEATS в этом репозитории выполнена на PyTorch.

• Подходит ли N-BEATS для прогнозирования многомерных временных рядов?

  Нет, N-BEATS предназначена для прогнозирования одномерных временных рядов. Буква 'N' в N-BEATS означает 'Neural basis expansion analysis' (анализ расширения базиса нейронными сетями).

• Могу ли я запустить N-BEATS на ЦП?

  Да, N-BEATS можно запускать на ЦП, хотя использование графических процессоров NVIDIA предпочтительнее для более быстрого выполнения.

• Где я могу найти статью об алгоритме N-BEATS?

  Статью, представляющую N-BEATS, можно найти по адресу https://arxiv.org/abs/1905.10437.

• Какова структура репозитория N-BEATS?

  Репозиторий включает каталоги для моделей, наборов данных, экспериментов и блокнотов, а также Makefile для выполнения.

• Как N-BEATS сравнивается с другими моделями прогнозирования?

  N-BEATS описывается как «облегченная» версия оригинальной модели, демонстрирующая тот же передовой уровень производительности с периодическими вариациями.

• Кто разработал N-BEATS?

  N-BEATS — это проект ServiceNow Research, который был начат в Element AI.