对于最高频率的数据（例如秒级粒度），统计模型表现最佳。随着频率转变为分钟和小时数据，深度学位。基础模型在处理高频数据中的噪声模式时似乎举步维艰，而专门的深度学习和统计模型表现更好。然而，当涉及到较低频率的数据（例如每日到每年的数据）时，基础模型的表现始终优于其他方法，它们利用广泛的预训练来捕捉更广泛的模式和较慢的动态。
变量计数在多变量设置中
深度学习模型在各项指标上的表现均优于其他所有模型，而 moirai 在基础模型中处于领先地位，但仍未达到深度学习性能。这凸显了基础模型研究的差距，与深度学习模型相比，多变量预测仍然是一项挑战。相反，在单变量场景中，基础模型（尤其是 moirai 的大型变体）表现出色，其性能优于深度学习模型。
一般的 patchtst在所有指标中脱颖而出，成为表现最佳的模型，而moirai large在所有数据集中始终排名第二，并经常出现在前两名。patchtst 被证明是一个强大的通用模型，在各种数据集中提供可靠的性能，而moirai large在特定情况下表现出色。然而，规模定律（即较大的模型表现更好）仅在能源和单变量预测等特定领域成立。
结论总之gift-eval 是一
个全面而多样化的基准，旨在评估时间序列预 海龟湾度假村泳池 测模型的关键特征，例如域、频率、变量数量和预测长度。提供了多样化的预训练数据集和详细分析，以便对统计、深度学习和基础模型进行公平比较。希望这个基准能够促进更强大、适应性更强的基础模型的发展，推动时间序列预测领域的发展。
探索更多
salesforce ai 邀请您深入了解本博文中讨论 whatsapp 号码数据 的概念（见下面的链接）。通过社交媒体和我们的网站与我 brb 目录 们联系，定期获取有关此研究项目和其他研究项目的最新消息。强大的客户价值主张 (cvp) 通常是赢得潜在客户的关键。但它不仅仅是一句能让他们记住的口号或广告歌。cvp 是一个清晰、简洁的陈述，解释了为什么他们应该选择您的产品或服务。