AutoGluon-TimeSeries: AutoML for Probabilistic Time Series Forecasting

要約

確率的時系列予測のためのオープンソース AutoML ライブラリである AutoGluon-TimeSeries を紹介します。
使いやすさと堅牢性に重点を置いた AutoGluon-TimeSeries を使用すると、ユーザーはわずか 3 行の Python コードで正確な点および分位点の予測を生成できます。
AutoGluon の設計哲学に基づいて構築された AutoGluon-TimeSeries は、多様な予測モデルのアンサンブルを活用して、短いトレーニング時間内で高い精度を実現します。
AutoGluon-TimeSeries は、従来の統計モデル、機械学習ベースの予測アプローチ、およびアンサンブル技術の両方を組み合わせています。
29 のベンチマーク データセットに対する評価では、AutoGluon-TimeSeries は強力な経験的パフォーマンスを実証し、ポイント予測精度と分位点予測精度の両方の点でさまざまな予測手法を上回っており、多くの場合、従来の手法の結果論での最良の組み合わせをさらに改善しています。

要約(オリジナル)

We introduce AutoGluon-TimeSeries – an open-source AutoML library for probabilistic time series forecasting. Focused on ease of use and robustness, AutoGluon-TimeSeries enables users to generate accurate point and quantile forecasts with just 3 lines of Python code. Built on the design philosophy of AutoGluon, AutoGluon-TimeSeries leverages ensembles of diverse forecasting models to deliver high accuracy within a short training time. AutoGluon-TimeSeries combines both conventional statistical models, machine-learning based forecasting approaches, and ensembling techniques. In our evaluation on 29 benchmark datasets, AutoGluon-TimeSeries demonstrates strong empirical performance, outperforming a range of forecasting methods in terms of both point and quantile forecast accuracy, and often even improving upon the best-in-hindsight combination of prior methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google