利用TimeGPT的深度学习能力实现预测分析的革新-AITOP100,AI资讯

想了解更多 AIGC的内容，请访问：

https://www.51cto.com/aigc/

人工智能对预测分析产生了根本性的影响，使得预测比以往任何时候都更加精确。各行各业都在充分利用人工智能的强大能力，以预测未来趋势并为即将到来的事情做好准备。

然而，预测的准确性取决于多个因素，包括人工智能算法的复杂性、预测模型的稳健性以及训练数据的质量和数量，仅举几例。

Nixtla（注：一家专注于时间序列预测和软件开发的美国初创公司）的TimeGPT是一种生成性预训练模型，专门为预测时间序列数据而设计。它是一个功能强大的工具，能够帮助用户以更高的精度预测未来的趋势，让您更具远见，能够充分利用即将到来的机会，同时规避潜在的风险。

接下来，我们将对TimeGPT进行深入分析，从各个角度探讨其特性，并展示如何将其与数据库集成，以最大限度地发挥预测分析的全部潜力。

什么是TimeGPT

TimeGPT是一种预训练的生成模型，专门用于预测时间序列数据。它的主要功能是根据历史数据预测时间序列的未来值。这种能力使得TimeGPT成为一个在预测分析领域中不可或缺的工具。

TimeGPT按顺序处理数据，采用窗口技术分析历史数据点并识别其中的模式。通过推断这些已识别的模式，TimeGPT能够预测时间序列的未来值。

TimeGPT的概述

创新的预训练 ：TimeGPT将预训练模型应用于时间序列数据，这使得它能够在没有特定训练的情况下，使用已收集的数据预测新数据集。这与传统模型的工作方式有所不同。
高级模式识别 ：TimeGPT擅长识别时间序列数据中的复杂模式，在趋势、季节性和异常检测方面超越了许多传统模型。
高效预测： TimeGPT通过使用高级神经网络提供高效的预测，通过消除特定于数据集的再训练，减少了时间序列分析通常所需的时间和资源。
持续学习和适应： 与静态传统模型不同，TimeGPT 具有持续学习和适应的潜力，能够在新数据出现时保持预测的准确性。

TimeGPT的特性和优势

作为一种领先的预测分析模型，TimeGPT具备多项独特的高级功能，使其成为处理复杂预测场景的强大工具。以下是一些关键特性和优势：

异常检测：

特性：TimeGPT利用预测建模技术，能够识别时间序列数据中的异常模式或异常值，这通常表明发生了重大且意外的事件。
优势：此功能对于企业和分析师快速检测和响应异常事件至关重要。即使存在异常，模型仍能保持准确和可靠。

外生变量处理：

特性：TimeGPT可以将外部因素或外部变量（例如零售预测中的天气条件）纳入分析。
优势：通过考虑外部因素的影响，TimeGPT能够进行更细致和准确的预测。这在外部因素显著影响数据趋势的情况下尤为有用。

微调：

特性：尽管TimeGPT是一个预训练模型，但它提供了微调的能力，以适应特定数据集或独特的预测需求。
优势：用户可以根据特定要求定制模型，从而提高在特定环境中的预测准确性和相关性。

历史预测：

特性：TimeGPT可以分析过去的数据，生成历史预测，让用户了解模型如何预测过去的事件。
优势：TimeGPT的历史预测功能可以帮助用户验证模型的准确性和可靠性。通过了解模型如何预测过去的事件，用户可以对模型的未来预测结果充满信心。

管理复杂的预测场景

当处理复杂场景（例如假期、特殊日期和不规则时间戳）时，TimeGPT的功能非常有用。

假期和特殊日期 ：这些事件对时间序列数据的趋势产生显著影响。TimeGPT具备检测异常并结合外部变量的能力，从而准确预测这些日期，并考虑到其对数据产生的独特影响。
不规则时间戳 ：时间序列数据有时可能是不规则的，或者存在缺失的数据点。TimeGPT的复杂算法可以处理这种不规则性，即使在不统一的数据下也能确保一致且准确的预测结果。

在MindsDB中部署TimeGPT模型

MindsDB是一个构建自定义AI的平台，它能够从企业数据中提取价值。它的工作方式是将任何数据源与任何AI/ML模型或框架连接起来，并自动化它们之间的实时数据流动。

MindsDB将数据源与TimeGPT等先进的AI/机器学习模型连接起来。这使得用户可以轻松创建、训练和管理这些模型，对于那些在机器学习方面经验较少的人来说，这特别有益。

将TimeGPT集成到MindsDB，首先使用以下语句创建TimeGPT ML引擎，然后提供TimeGPT API密钥。

        CREATE ML_ENGINE timegpt_engine FROM timegpt USING timegpt_api_key =‘timegpt-api-key’;

接下来，用户可以使用CREATE MODEL语句来创建、训练和部署TimeGPT模型。一旦模型创建并训练完成，您就可以查询模型以获取预测。

        CREATE MODEL model_table FROM data_source (SELECT * FROM data_table) PREDICT column_to_be_predicted ORDER BY date_column GROUP BY column_name, column_name, ... HORIZON 3 -- model forecasts the next 3 rows USING ENGINE = 'timegpt_engine';

现在您可以查询模型以获取预测：

        SELECT m.date_column, m.column_to_be_predicted FROM data_table AS d JOIN model_table AS m WHERE d.date_column > LATEST;

使用MindsDB，您可以自动化预测流程，并持续为任何下游应用生成预测。这在您有定期更新的动态数据时特别有用。随着新数据的不断涌入，您应该利用这些最新数据对模型进行微调，以确保预测的准确性。

在这里，我们创建了一个作业，该作业使用最新的数据对模型进行微调，并将每日的预测结果保存在数据库表中。

        CREATE JOB automate_forecasts ( FINETUNE model_table FROM data_source (SELECT * FROM data_table); CREATE TABLE daily_forecasts_{{START_DATETIME}} ( SELECT m.date_column, m.column_to_be_predicted FROM data_table AS d JOIN model_table AS m WHERE d.date_column > LATEST ) ) EVERY 1 day;

要查看完整示例和更多的预测用例，您可以访问我们的文档页面。在那里，您将找到丰富的信息和实用的指南。