BriefGPT - AI 论文速递
·
基准测试时间序列预测模型：从统计技术到实际应用中的基础模型
💡
原文中文，约700字，阅读约需2分钟。
📝
内容提要
本研究探讨了酒店业中时间序列预测的挑战，评估了统计、机器学习和深度学习模型在14天内小时销售额预测中的表现。结果表明，机器学习模型表现优异，基础模型如Chronos和TimesFM在特征工程要求低的情况下也具竞争力，并可通过预训练模型实现零次推断。混合的PySpark-Pandas方法为大规模部署提供了有效解决方案。
🎯
关键要点
- 本研究探讨了酒店业中时间序列预测的挑战，尤其是在大规模分布式系统中。
- 评估了统计、机器学习、深度学习和基础模型在14天内小时销售额预测中的表现。
- 研究结果显示，机器学习基础的元模型表现优异。
- 基础模型如Chronos和TimesFM在特征工程要求低的情况下也具竞争力。
- 通过预训练模型实现零次推断的能力被强调。
- 混合的PySpark-Pandas方法为大规模部署提供了有效的解决方案。
➡️
