零样本时间序列基础模型在云数据上的性能
机器学习
2025-05-20 v3
摘要
时间序列基础模型（FMs）已成为零样本多领域预测的流行范式。FMs 在众多多样化数据集上进行训练，并声称在包括云数据在内的多个不同时间序列领域中是有效的预测器。在本工作中，我们验证了这一主张，探索了 FMs 在云数据上的有效性。我们证明许多知名 FMs 在此设置下无法生成有意义或准确的零样本预测。我们通过实证支持这一主张，表明 FMs 始终被简单的线性基线所超越。我们还展示了一些有趣的病理现象，包括 FMs 突然输出看似随机的预测的情况。我们的结果表明 FMs 在建模云数据方面存在广泛失败。
引用
@article{arxiv.2502.12944,
title = {Performance of Zero-Shot Time Series Foundation Models on Cloud Data},
author = {William Toner and Thomas L. Lee and Artjom Joosen and Rajkarn Singh and Martin Asenov},
journal= {arXiv preprint arXiv:2502.12944},
year = {2025}
}
备注
5 pages, presented at the "I Can't Believe It's Not Better" workshop at ICLR 2025