ELATE：用于自动化时间序列工程的进化语言模型
机器学习
2025-08-21 v1 人工智能
摘要
时间序列预测涉及使用机器学习模型预测未来值。特征工程，即通过转换现有特征来创建新特征，对于提升模型性能至关重要，但通常是手动且耗时的。现有的自动化尝试依赖于穷举枚举，这可能计算成本高昂且缺乏领域特定的洞察。我们引入了 ELATE（用于自动化时间序列工程的进化语言模型），它利用进化框架内的语言模型来自动化时间序列数据的特征工程。ELATE 采用时间序列统计度量和特征重要性指标来引导和剪枝特征，同时语言模型提出新的、上下文相关的特征转换。我们的实验表明，ELATE 在不同领域将预测准确率平均提高了 8.4%。
引用
@article{arxiv.2508.14667,
title = {ELATE: Evolutionary Language model for Automated Time-series Engineering},
author = {Andrew Murray and Danial Dervovic and Michael Cashmore},
journal= {arXiv preprint arXiv:2508.14667},
year = {2025}
}
备注
27 pages, 4 figures. Comments welcome