Прогнозирование временных рядов в эпоху GenAI: Сделайте так, чтобы градиентное ускорение вело себя как LLMS
• Генеративный искусственный интеллект и большие языковые модели (LLM) привлекают внимание в различных областях. • Прогнозирование временных рядов также может быть выгодно для всех благодаря LLM. • Моделирование временных рядов требует знаний предметной области и настройки. • Объединение областей машинного обучения и прогнозирования временных рядов может привести к новым моделям. • Глубокое обучение уже применяется в прогнозировании временных рядов, например, с использованием трансформаторов. • Основная проблема LLM - устранение недостатка семантики в числовых данных. • Цель статьи - продемонстрировать, как выполнять прогнозирование временных рядов с нулевой вероятностью с использованием стандартных моделей машинного обучения. • Применение прогнозов с нулевой вероятностью может быть затруднено, но наличие бесплатных наборов данных может стать хорошим решением.
