通过上下文学习利用协变量进行零样本时间序列预测
机器学习
2025-06-04 v1
摘要
能够进行零样本预测的预训练时间序列模型，在提升时间序列预测的性能和可及性方面展现出了巨大潜力。然而，现有的预训练模型要么不支持协变量，要么无法有效地将其纳入。我们引入了 COSMIC，一种通过上下文学习利用协变量的零样本预测模型。为了应对数据稀缺的挑战，我们提出了信息协变量增强，使得 COSMIC 的训练无需任何包含协变量的数据集。COSMIC 在有无协变量的情况下均实现了零样本预测的最先进性能。我们的定量和定性分析表明，COSMIC 能够在零样本预测中有效利用协变量。
引用
@article{arxiv.2506.03128,
title = {Zero-Shot Time Series Forecasting with Covariates via In-Context Learning},
author = {Andreas Auer and Raghul Parthipan and Pedro Mercado and Abdul Fatir Ansari and Lorenzo Stella and Bernie Wang and Michael Bohlke-Schneider and Syama Sundar Rangapuram},
journal= {arXiv preprint arXiv:2506.03128},
year = {2025}
}
备注
The paper was written at the end of 2024