Can time series forecasting be automated? A benchmark and analysis

要約

機械学習と人工知能の分野では、時系列予測は金融、医療、気象などのさまざまな分野で極めて重要な役割を果たしています。
ただし、特定のデータセットに最適な予測方法を選択するタスクは、データのパターンと特性が多様であるため、複雑なタスクです。
この研究は、幅広いデータセットにわたる時系列予測手法を評価およびランク付けするための包括的なベンチマークを提案することで、この課題に対処することを目的としています。
この研究では、2 つの著名な時系列予測フレームワークである AutoGluon-Timeseries と sktime の多くの手法のパフォーマンスを比較調査し、さまざまな現実世界のシナリオへの適用可能性を明らかにしています。
この研究は、堅牢なベンチマーク方法を提供し、最適な予測を達成するための予測方法を選択する際の情報に基づいた意思決定を促進することにより、時系列予測の分野に貢献します。

要約(オリジナル)

In the field of machine learning and artificial intelligence, time series forecasting plays a pivotal role across various domains such as finance, healthcare, and weather. However, the task of selecting the most suitable forecasting method for a given dataset is a complex task due to the diversity of data patterns and characteristics. This research aims to address this challenge by proposing a comprehensive benchmark for evaluating and ranking time series forecasting methods across a wide range of datasets. This study investigates the comparative performance of many methods from two prominent time series forecasting frameworks, AutoGluon-Timeseries, and sktime to shed light on their applicability in different real-world scenarios. This research contributes to the field of time series forecasting by providing a robust benchmarking methodology and facilitating informed decision-making when choosing forecasting methods for achieving optimal prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google