CSS站长资源(ChinaZ.com) 5月13日 消息:Google Research最近开发了一种创新的谷歌股市时间序列预测模型，名为TimesFM（Time Series Foundation Model）。发布这项技术能够利用大量历史数据来学习事件的新型序列模式和趋势，进而对新的时间、未见过的预测预测数据做出准确的预测。时间序列预测在商业、模型金融、天气科研等多个领域都极为重要，谷歌股市能够帮助人们做出更明智的发布决策。

图源备注：图片由AI生成，新型序列图片授权服务商Midjourney

模型特点

TimesFM是时间一种预训练的仅解码器基础模型，专门针对时间序列预测而设计。预测预测它无需编码器，模型优化了对上下文长度最多512个时间点和任何时间跨度的天气单变量时间序列预测。模型专注于点预测，谷歌股市尽管提供了分位数头部的实验性支持，但在预训练后尚未进行校准，因此不提供概率预测。

核心功能

• 优化预测:针对上下文长度最多512个时间点的单变量时间序列进行优化。

• 点预测:专注于点预测而非概率预测。

• API支持:提供API以支持数组输入或Pandas数据框进行预测。

• 频率适应性:支持不同频率的时间序列输入，并提供频率指示器。

• 预训练模型:提供预训练的模型检查点，方便用户使用。

TimesFM的应用范围广泛，商家可以利用它来预测未来产品的需求，金融分析师可以预测股市的变动，甚至可以用于预测天气变化。通过这种模型，企业和个人可以更好地规划未来，减少不确定性带来的风险。

TimesFM的推出，标志着时间序列预测技术的又一进步。它不仅能够提高预测的准确性，还能加快预测的速度，这对于需要快速响应市场变化的企业和机构来说尤为重要。此外，TimesFM的预训练特性也意味着用户可以快速部署模型，而无需从头开始训练，大大节省了时间和资源。

随着TimesFM的不断发展和完善，我们可以预见，它将在未来的数据分析和预测领域发挥越来越重要的作用。Google Research的这一创新成果，无疑为时间序列预测领域带来了新的活力和可能性。

项目地址：https://github.com/google-research/timesfm

(责任编辑：知识)