EasyTime: Time Series Forecasting Made Easy

要約

時系列予測には、さまざまなドメインにわたって重要な用途があります。
私たちが実証するシステム EasyTime は、研究者も実務家も同様に時系列予測手法を簡単に使用できるようにします。
まず、EasyTime はワンクリック評価を可能にし、研究者が既存の時系列予測ベンチマーク (TFB) で収集された一連の多様な時系列データセットを使用して新しい予測手法を評価できるようにします。
これは、TFB の柔軟で一貫した評価パイプラインを活用することで実現されます。
第 2 に、実務者が新しいデータセットに対して予測を実行する必要がある場合、多くの場合、重要な最初のステップは適切な予測方法を見つけることです。
EasyTime は、有望な予測方法を組み合わせて、個別の方法と比較して優れた予測精度を実現する Automated Ensemble モジュールを提供します。
3 番目に、EasyTime は、大規模な言語モデルを活用した自然言語 Q&A モジュールを提供します。
「季節性の強い時系列の長期予測にはどの方法が最適ですか?」のような質問が与えられると、EasyTime はその質問を TFB で取得した結果のデータベース上の SQL クエリに変換し、自然言語とグラフで回答を返します。
EasyTime をデモンストレーションすることで、時系列予測の使用を簡素化し、新世代の時系列予測手法の開発に対するより良いサポートを提供できる方法を示すつもりです。

要約(オリジナル)

Time series forecasting has important applications across diverse domains. EasyTime, the system we demonstrate, facilitates easy use of time-series forecasting methods by researchers and practitioners alike. First, EasyTime enables one-click evaluation, enabling researchers to evaluate new forecasting methods using the suite of diverse time series datasets collected in the preexisting time series forecasting benchmark (TFB). This is achieved by leveraging TFB’s flexible and consistent evaluation pipeline. Second, when practitioners must perform forecasting on a new dataset, a nontrivial first step is often to find an appropriate forecasting method. EasyTime provides an Automated Ensemble module that combines the promising forecasting methods to yield superior forecasting accuracy compared to individual methods. Third, EasyTime offers a natural language Q&A module leveraging large language models. Given a question like ‘Which method is best for long term forecasting on time series with strong seasonality?’, EasyTime converts the question into SQL queries on the database of results obtained by TFB and then returns an answer in natural language and charts. By demonstrating EasyTime, we intend to show how it is possible to simplify the use of time series forecasting and to offer better support for the development of new generations of time series forecasting methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google