监督式长期时间序列预测中不存在冠军
机器学习
2026-01-12 v2 人工智能
摘要
近期在长期时间序列预测领域的进展引入了大量复杂的监督式预测模型，这些模型持续优于先前发布的架构。然而，这种快速的进程引发了关于不一致基准测试和报告实践的担忧，这可能削弱了这些比较的可靠性。在本研究中，我们首先对最佳表现的监督式模型在最流行的基准以及代表最活跃架构家族的额外基线进行广泛、深入且可重复的评估。该广泛评估在 14 个数据集上对 8 个模型进行评估，涉及约 5000 个训练网络用于超参数 (HP) 搜索。随后，通过全面的分析，我们发现即使是对实验 setup 或当前评估指标的细微变化，也会显著性地改变人们普遍认为新发布的结果正在推动国家技术进步的常见信念。我们的发现强调，需将关注力度从追求越来越复杂的模型，转向通过严格和标准化的评估来提高基准测试实践的重要性，这些评估能够支持更有根据的声明，包括可重复的 HP setup 和统计测试。我们提供了未来研究的建议。
引用
@article{arxiv.2502.14045,
title = {There are no Champions in Supervised Long-Term Time Series Forecasting},
author = {Lorenzo Brigato and Rafael Morand and Knut Strømmen and Maria Panagiotou and Markus Schmidt and Stavroula Mougiakakou},
journal= {arXiv preprint arXiv:2502.14045},
year = {2026}
}
备注
Accepted at TMLR