描述
TimeH2O-v1 是由 H2O.ai 开发的复杂时间序列基础模型,具有 1.08 亿个参数。它专门设计用于零-shot 概率预测,这意味着它可以在未见过的数据上进行预测,而无需在该特定数据集上进行先前的微调。TimeH2O-v1 的一个关键能力是支持协变量,允许它在主要时间序列数据旁边纳入额外的相关变量,以提高预测准确性。
阅读更多
该模型在多个基准测试中展示了最先进的性能。在 GIFT-Eval 上,它达到了 0.441 的 CRPS(连续排名概率分数)和 0.654 的 MASE(平均绝对缩放误差),超越了 Timestral-209M、t0-gamma、TimesFM-3 和 Chronos-2 等模型。同样,在 fev-bench 上,TimeH2O-v1 记录了 50.83 的 SQL 技能分数和 39.95 的 MASE 技能分数,再次超越了其竞争对手。
TimeH2O-v1 是更广泛的 TimeH2O 家族的一部分,该家族还包括 TimeH2O-v1-tiny,这是一个优化以最大吞吐量而非峰值准确度的小型 580 万参数模型。v1 模型最适合于将最大化预测准确性作为主要目标的场景。它可以处理多达 16,384 个时间步的上下文,并提供无限的预测视野,输出 9 个分位数(从 0.1 到 0.9)以进行概率预测。该模型接受带有可选协变量的目标序列作为输入。
在 Hugging Face 上访问 TimeH2O-v1 需要用户同意分享其 Hugging Face 信息并接受特定条件,因为它是以非商业用途许可的。该模型是在多样化的数据集上训练的,仔细排除了与 fev-bench、GIFT-Eval 和 TIME 重叠的任何数据,以确保基准结果的公正性。训练数据源包括 autogluon/chronos_datasets、Salesforce/GiftEvalPretrain、Salesforce/lotsa_data、hq-bench/quito-corpus、Dingdong-Inc/FreshRetailNet-LT、Azure Functions 2019 trace、Iowa Liquor Sales 和 BLS Average Prices,每个数据源都有其各自的许可证。
- 类别AI 模型与大语言模型
- 部署云端
- 平台Hugging Face
TimeH2O-v1亮点
1.08 亿参数以实现强大的预测能力
零-shot 概率预测能力
支持协变量以提高预测准确性
在 GIFT-Eval 和 fev-bench 上的最先进基准结果
最多支持 16,384 个时间步的上下文窗口
无限的预测视野
输出 9 个分位数(0.1 到 0.9)以进行概率预测
优化以实现时间序列预测的最大准确性
非商业用途的使用许可
训练中排除与基准重叠的数据
TimeH2O 模型家族的一部分
在 Hugging Face 上公开访问,需遵循条件
TimeH2O-v1入门
访问模型:导航到 Hugging Face 上的 TimeH2O-v1 页面。
接受条件:查看并接受访问模型文件和内容的条款和条件。
登录/注册:登录您的 Hugging Face 账户,或如果没有账户则注册。
下载文件:下载模型文件和相关资源。
设置环境:配置您的开发环境,安装使用 Hugging Face 模型所需的依赖项。
集成模型:将 TimeH2O-v1 集成到您的应用程序或工作流程中以进行时间序列预测。
提供输入:向模型提供目标序列数据及可选协变量。
生成预测:利用模型生成带有 9 个分位数的零-shot 概率预测。
TimeH2O-v1的使用案例
- 零-shot 预测
- 概率预测
- 协变量增强预测
- 高准确度时间序列分析
- 长时间范围预测
- 基准性能评估
- 研究与开发







