4
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

時系列問題用のラージモデル:TimeGPT-1

Posted at

TimeGPT-1は先月公開された初めての時系列問題用のラージモデルです。
その時は論文だけ出しましたが、最近になってモデル自体もリリースされました。
中国のあるサイトで、実際にこのモデルを使って精度を検証した記事を読みましたので、共有したいと思います。
(私は時系列問題にはあまりやったこと少なく、最新モデルとかについてはあまり詳しくないですが、)

まずTimeGPT-1の中身について、細かいところはよくわからないですが、全体的にはLLMと同じく、時系列データをembeedingして、モデルが学習するという流れです。
1.png

学習に使用されたデータは、様々な分野の時系列データです。約1000億件を使用しました。

ラージモデルのために、ほとんどのタスクは基本zero-shotでできます。
または少しfinetuingすれば複雑なタスクにも対応できるようになりますので、結構使いやすいかもしれません。
以下のスクリーンショットは開発者が論文で公開したモデルの精度です。月単位、週単位の場合は一番高くて、日単位や時間単位でも2,3位くらい高いですね。
11-9-2.png

あとは処理速度も注目されました。TimeGPTは平均0.6ms/件の速度で処理を行い、通常の統計モデルやlgbmなどのモデルよりは数十倍速いです。(lgbmは57ms/件)

それでこの記事では、その精度が本当に高いのかを実際に試し、スペックを確認しました。
この方は自分のブログのPV数データを使って予測を行いました。
評価指標はmae(平均絶対誤差)とmse(平均二乗誤差)を使用し、確かに他のN-BEATS, N-HiTSとPatchTSTとかのモデルよりも精度が高かったですね。
11-9-3.png

最近Kaggleにも時系列データの異常検出コンペがあります。TimeGPTは区間予測が可能なので、異常検出にも適用できると思います(99%を超えたら異常値と判断するとか)。TimeGPTを使ってやってみたいと思います。

精度確認に使われたコードは以下となります。
興味ある方試してみてください。

論文:

4
3
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
4
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?