为了解决这个问题,研究人员开发了TFB (Time series Forecasting Benchmark)工具,这是一个旨在为时间序列预测研究提供全面公平基准测试的开源库。 TFB具有以下几个主要特点: 全面性: TFB包含了多种评估策略、评估指标和基准算法,可以从多个角度对模型进行全面评估。 公平性: TFB为所有模型提供统一的评估环境和流程,确保比较的公平性。 易用性: TFB提供了清晰的代码库和详细的文档,研究人员可以轻松地使用它来评估自己的模型。 可扩展性: 研究人员可以方便地将自己的模 …

TFB is an open-source library designed for time series forecasting researchers. We provide a clean codebase for end-to-end evaluation of time series forecasting models, comparing their performance with baseline algorithms under various evaluation strategies and metrics.

2024年4月18日 · TFB 通过解决与数据集、比较方法和评估流程相关的缺点来推进最先进的技术，即：1）数据域覆盖范围不足，2）对传统方法的刻板印象偏见，以及 3）不一致且不灵活的流程。_tfb: towards comprehensive and fair benchmarking of time series forecasting

2024年3月29日 · To achieve this, we propose TFB, an automated benchmark for Time Series Forecasting (TSF) methods. TFB advances the state-of-the-art by addressing shortcomings related to datasets, comparison methods, and evaluation pipelines: 1) insufficient coverage of data domains, 2) stereotype bias against traditional methods, and 3) inconsistent and ...

2024年10月23日 · TFB是一个针对网络服务器性能进行基准测试的标准，通过比较t-io在TFB上的排名，开发者可以直观地了解到它在实际应用中的性能表现。 稳定性的评价可以参考t-io的实际应用案例。

作者使用TFB对21种 单变量时间序列预测 （UTSF）方法和14种 多变量时间序列预测 （MTSF）方法进行了全面评估。 结果提供了对预测方法的深入理解，有助于更好地选择适合特定数据集和设置的方法。 1. 引言： 随着数字化的不断深入，时间序列在各种领域中产生，如经济、交通、健康、能源和AI运维。 时间序列预测（TSF）在这些领域的关键应用中至关重要。 鉴于历史观测值，能够提前知道未来的值是非常宝贵的。 因此，TSF已经成为一个活跃的研究领域，提 …

2024年11月19日 · 为了实现这一目标，我们提出了tfb，这是一个用于时间序列预测方法的自动化基准。 TFB通过解决与数据集、比较方法和评估流程相关的缺陷来推... 时空探索之旅

为了实现这一目标，本文提出了 TFB，一种时间序列预测 (TSF) 方法的自动化基准。 TFB 通过解决与数据集、比较方法和评估流程相关的缺点来推进最先进的技术，即：1）数据域覆盖范围不足，2）对传统方法的刻板印象偏见，以及 3）不一致且不灵活的流程。 为了实现更好的领域覆盖，包含来自 10 个不同领域的数据集：交通、电力、能源、环境、自然、经济、股票市场、银行、健康和网络。 还提供时间序列特征，以确保所选数据集的全面性。 为了消除对某些方法的偏 …

tfb是一个为时间序列预测研究设计的开源库。 它提供清晰的代码库，支持对预测模型进行端到端评估，并通过多种策略和指标比较模型性能。 TFB特点包括多样化数据集、全面基线模型、灵活评估策略和丰富评估指标。

2024年10月10日 · TFB（Towards Comprehensive and Fair Benchmarking of Time Series Forecasting Methods）是一个专为时间序列预测研究设计的开源库。 它提供了一个干净、全面的代码库，用于端到端评估时间序列预测模型，并将其性能与基线算法在各种评估策略和指标下进行比较。 TFB的目标是提供一个公平、全面的基准，帮助研究人员和开发者更好地理解和改进时间序列预测方法。 TFB基于Python 3.8+和PyTorch 1.11.0构建，充分利用了Python的灵活性 …