数据嵌入在时间序列预测中是否有效？
机器学习
2025-05-28 v1
摘要
时间序列预测在许多实际应用中扮演着关键角色，近年来涌现了大量复杂的预测模型。尽管这些模型在架构上有所创新，但大多数最先进的模型仅报告了微小的改进——通常在标准误差指标上仅为千分之几。这些模型通常包含复杂的数据嵌入层，将原始输入转换为高维表示以提高精度。但数据嵌入技术在时间序列预测中真的有效吗？通过对十五个最先进模型和四个基准数据集进行广泛的消融研究，我们发现从许多最先进模型中移除数据嵌入层并不会降低预测性能。在许多情况下，这反而提高了精度和计算效率。移除嵌入层带来的增益通常超过了不同竞争模型之间通常报告的性能差异。代码见：https://github.com/neuripsdataembedidng/DataEmbedding
引用
@article{arxiv.2505.20716,
title = {Are Data Embeddings effective in time series forecasting?},
author = {Reza Nematirad and Anil Pahwa and Balasubramaniam Natarajan},
journal= {arXiv preprint arXiv:2505.20716},
year = {2025}
}
备注
Code is available at: https://github.com/neuripsdataembedidng/DataEmbedding