Перейти к основному содержимому
ToolPotion
ИИ-советник
Отправить

TimeH2O-v1

TimeH2O-v1 — это модель временных рядов с 108 миллионами параметров, разработанная для нулевого прогноза вероятностей. Она поддерживает коварии и демонстрирует передовые результаты на таких бенчмарках, как GIFT-Eval и fev-bench. Эта модель идеально подходит для приложений, требующих высокой точности в прогнозировании будущих временных зависимых данных, обеспечивая надежную производительность для различных задач прогнозирования.

Открыть модель
Поделиться
Открыть модель
Поделиться

TimeH2O-v1 — это сложная модель временных рядов, разработанная H2O.ai, с 108 миллионами параметров. Она специально создана для нулевого прогноза вероятностей, что означает, что она может делать прогнозы на невидимых данных без необходимости предварительной тонкой настройки на этом конкретном наборе данных. Ключевой возможностью TimeH2O-v1 является поддержка коварий, что позволяет ей учитывать дополнительные релевантные переменные наряду с основными данными временных рядов для повышения точности прогнозирования.

Читать далее

Модель продемонстрировала передовую производительность на нескольких бенчмарках. На GIFT-Eval она достигла CRPS (непрерывный ранжированный вероятностный балл) 0.441 и MASE (средняя абсолютная масштабированная ошибка) 0.654, превосходя такие модели, как Timestral-209M, t0-gamma, TimesFM-3 и Chronos-2. Аналогично, на fev-bench TimeH2O-v1 зафиксировала балл навыка SQL 50.83 и балл навыка MASE 39.95, снова опередив своих конкурентов.

TimeH2O-v1 является частью более широкой семьи TimeH2O, в которую также входит TimeH2O-v1-tiny, меньшая модель с 5.8 миллиона параметров, оптимизированная для максимальной пропускной способности, а не для пиковой точности. Модель v1 лучше всего подходит для сценариев, где максимизация точности прогнозирования является основной целью. Она может обрабатывать до 16,384 временных шагов контекста и предлагает неограниченный горизонт прогнозирования, выдавая 9 квантилей (от 0.1 до 0.9) для вероятностных прогнозов. Модель принимает целевые ряды с необязательными ковариями в качестве входных данных.

Доступ к TimeH2O-v1 на Hugging Face требует от пользователей согласия на обмен информацией Hugging Face и принятия определенных условий, так как она лицензирована для некоммерческого использования. Модель была обучена на разнообразном наборе данных с тщательным исключением любых данных, пересекающихся с fev-bench, GIFT-Eval и TIME, чтобы обеспечить беспристрастные результаты бенчмарков. Источники данных для обучения включают autogluon/chronos_datasets, Salesforce/GiftEvalPretrain, Salesforce/lotsa_data, hq-bench/quito-corpus, Dingdong-Inc/FreshRetailNet-LT, Azure Functions 2019 trace, Iowa Liquor Sales и BLS Average Prices, каждый из которых имеет свои лицензии.

  • КатегорияИИ-модели и LLM
  • РазвёртываниеОблако
  • ПлатформыHugging Face

  • 108M параметров для надежного прогнозирования

  • Возможности нулевого прогноза вероятностей

  • Поддержка коварий для повышения точности прогнозирования

  • Передовые результаты на бенчмарках GIFT-Eval и fev-bench

  • Контекстное окно до 16,384 временных шагов

  • Неограниченный горизонт прогнозирования

  • Выдает 9 квантилей (от 0.1 до 0.9) для вероятностных прогнозов

  • Оптимизирована для максимальной точности в прогнозах временных рядов

  • Некоммерческая лицензия на использование

  • Исключение данных, пересекающихся с бенчмарками, из обучения

  • Часть семейства моделей TimeH2O

  • Общедоступна на Hugging Face с условиями

  1. Доступ к модели: Перейдите на страницу TimeH2O-v1 на Hugging Face.

  2. Принять условия: Ознакомьтесь и примите условия для доступа к файлам и контенту модели.

  3. Войти/Зарегистрироваться: Войдите в свою учетную запись Hugging Face или зарегистрируйтесь, если у вас ее нет.

  4. Скачать файлы: Скачайте файлы модели и сопутствующие ресурсы.

  5. Настроить окружение: Настройте свою среду разработки с необходимыми зависимостями для использования моделей Hugging Face.

  6. Интегрировать модель: Интегрируйте TimeH2O-v1 в свое приложение или рабочий процесс для прогнозирования временных рядов.

  7. Предоставить входные данные: Подайте данные целевых рядов вместе с необязательными ковариями в модель.

  8. Сгенерировать прогнозы: Используйте модель для генерации нулевых вероятностных прогнозов с 9 квантилями.

  • Нулевое прогнозирование
  • Вероятностное прогнозирование
  • Прогнозирование с учетом коварий
  • Анализ временных рядов с высокой точностью
  • Долгосрочное прогнозирование
  • Оценка производительности на бенчмарках
  • Исследования и разработки

Отзывы о TimeH2O-v1

Загрузка...

Популярные ИИ-инструменты, похожие на TimeH2O-v1

Chronos-2 — это модель временных рядов с 120 миллионами параметров, предназначенная для прогнозирования без обучения. Она поддерживает различные задачи прогнозирования и…

Прогнозирование и предиктивная аналитика
Открыть инструмент

Модель временных рядов с 120 миллионами параметров, предназначенная для прогнозирования без обучения. Она поддерживает различные задачи прогнозирования и…Chronos-2 — это модель временных рядов с 120 миллионами параметров, предназначенная для прогнозирования без обучения. Она поддерживает различные задачи прогнозирования и…

РекомендованоПрогнозирование и предиктивная аналитика
Топ-5: AI-модели

Timestral-209M

AI-модели

Timestral-209M — это модель основанная на временных рядах, предназначенная для прогнозирования без обучения. Она поддерживает унивариантное и многовариантное прогнозирование,…

Прогнозирование и предиктивная аналитика
Открыть инструмент

AI-модели

Модель основанная на временных рядах, предназначенная для прогнозирования без обучения. Она поддерживает унивариантное и многовариантное прогнозирование,…Timestral-209M — это модель основанная на временных рядах, предназначенная для прогнозирования без обучения. Она поддерживает унивариантное и многовариантное прогнозирование,…

Прогнозирование и предиктивная аналитика
Топ-5: AI-модели

TimesNet

AI-модели

TimesNet — это базовая модель для общего анализа временных рядов, преобразующая одномерные ряды в двумерное пространство для улучшения моделирования. Она достигает передовых…

ИИ-модели и LLM
Открыть инструмент

AI-модели

Базовая модель для общего анализа временных рядов, преобразующая одномерные ряды в двумерное пространство для улучшения моделирования. Она достигает передовых…TimesNet — это базовая модель для общего анализа временных рядов, преобразующая одномерные ряды в двумерное пространство для улучшения моделирования. Она достигает передовых…

ИИ-модели и LLM
Топ-5: AI-модели

TimesFM 3.0 (PyTorch)

AI-модели

TimesFM 3.0 — это предобученная модель для временных рядов, разработанная Google Research. Она предназначена для прогнозирования временных рядов и доступна с весами и…

Прогнозирование и предиктивная аналитика
Открыть инструмент

AI-модели

Предобученная модель для временных рядов, разработанная Google Research. Она предназначена для прогнозирования временных рядов и доступна с весами и…TimesFM 3.0 — это предобученная модель для временных рядов, разработанная Google Research. Она предназначена для прогнозирования временных рядов и доступна с весами и…

Прогнозирование и предиктивная аналитика
Топ-5: AI-модели

PatchTST

AI-модели

PatchTST — это официальная реализация модели на основе Transformer для долгосрочного прогнозирования временных рядов. Она сегментирует временные ряды на патчи и обрабатывает их…

ИИ-модели и LLM
Открыть инструмент

AI-модели

Официальная реализация модели на основе Transformer для долгосрочного прогнозирования временных рядов. Она сегментирует временные ряды на патчи и обрабатывает их…PatchTST — это официальная реализация модели на основе Transformer для долгосрочного прогнозирования временных рядов. Она сегментирует временные ряды на патчи и обрабатывает их…

ИИ-модели и LLM
Топ-5: AI-модели

Timestral

AI-репозитории на GitHub

Timestral — это модель основанная на временных рядах, разработанная Mistral AI. Она предназначена для обработки сложных данных временных рядов, предоставляя надежный анализ и…

ИИ-модели и LLM
Открыть инструмент

AI-репозитории на GitHub

Модель основанная на временных рядах, разработанная Mistral AI. Она предназначена для обработки сложных данных временных рядов, предоставляя надежный анализ и…Timestral — это модель основанная на временных рядах, разработанная Mistral AI. Она предназначена для обработки сложных данных временных рядов, предоставляя надежный анализ и…

ИИ-модели и LLM
Топ-250: AI-репозитории на GitHub

GluonTS

AI-фреймворки

GluonTS — это пакет Python для вероятностного моделирования временных рядов, использующий модели глубокого обучения, построенные на PyTorch и MXNet. Он обеспечивает точное…

ИИ-модели и LLM
Открыть инструмент

AI-фреймворки

Пакет Python для вероятностного моделирования временных рядов, использующий модели глубокого обучения, построенные на PyTorch и MXNet. Он обеспечивает точное…GluonTS — это пакет Python для вероятностного моделирования временных рядов, использующий модели глубокого обучения, построенные на PyTorch и MXNet. Он обеспечивает точное…

ИИ-модели и LLM
Топ-50: AI-фреймворки

Chronos

AI-репозитории на GitHub

Chronos — это репозиторий на GitHub, предлагающий предобученные модели для прогнозирования временных рядов. Разработанный Amazon Science, он предоставляет инструменты для точных…

Прогнозирование и предиктивная аналитика
Открыть инструмент

AI-репозитории на GitHub

Репозиторий на GitHub, предлагающий предобученные модели для прогнозирования временных рядов. Разработанный Amazon Science, он предоставляет инструменты для точных…Chronos — это репозиторий на GitHub, предлагающий предобученные модели для прогнозирования временных рядов. Разработанный Amazon Science, он предоставляет инструменты для точных…

Прогнозирование и предиктивная аналитика
Топ-250: AI-репозитории на GitHub
1 из 8