Chronos-forecasting学习资料汇总 - 基于语言模型的时间序列预测框架

Chronos-forecasting简介

Chronos是亚马逊科学团队开发的一个基于语言模型架构的预训练时间序列预测模型家族。它将时间序列转换为token序列,并使用交叉熵损失训练语言模型。模型训练完成后,可以通过采样多个未来轨迹来获得概率预测。

Chronos模型在大量公开可用的时间序列数据以及使用高斯过程生成的合成数据上进行了训练,展现出了强大的零样本预测能力。

官方资源

• GitHub代码仓库 - 包含Chronos的推理代码、预训练和微调脚本等
• 论文 - 详细介绍了Chronos模型、训练数据和程序以及实验结果
• HuggingFace模型集合 - 提供了预训练的Chronos模型供下载使用
• HuggingFace数据集 - 论文中使用的数据集

使用教程

1. 安装Chronos:

pip install git+https://github.com/amazon-science/chronos-forecasting.git

2. 基本使用示例:

import pandas as pd
import torch
from chronos import ChronosPipeline

pipeline = ChronosPipeline.from_pretrained(
    "amazon/chronos-t5-small",
    device_map="cuda",
    torch_dtype=torch.bfloat16,
)

df = pd.read_csv("your_data.csv")
context = torch.tensor(df["value"])
forecast = pipeline.predict(context, prediction_length=12)

3. 更多详细教程:
   • AutoGluon-TimeSeries Chronos教程
   • 提取编码器嵌入

相关博客文章

• 亚马逊科学博客:适应语言模型架构进行时间序列预测
• Chronos:时间序列基础模型的崛起
• 如何有效使用亚马逊新的时间序列预测模型

社区讨论

• GitHub Issues - 可以在这里提问、报告bug或讨论功能请求
• FAQ - 常见问题解答

通过以上资源,读者可以全面了解Chronos-forecasting项目,并快速上手使用这个强大的时间序列预测工具。无论是研究还是实际应用,Chronos都为时间序列预测任务提供了一个值得探索的新方向。