人工智能對預(yù)測分析產(chǎn)生了根本性的影響，使得預(yù)測比以往任何時候都更加精確。各行各業(yè)都在充分利用人工智能的強(qiáng)大能力，以預(yù)測未來趨勢并為即將到來的事情做好準(zhǔn)備。

然而，預(yù)測的準(zhǔn)確性取決于多個因素，包括人工智能算法的復(fù)雜性、預(yù)測模型的穩(wěn)健性以及訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量，僅舉幾例。

Nixtla（注：一家專注于時間序列預(yù)測和軟件開發(fā)的美國初創(chuàng)公司）的TimeGPT是一種生成性預(yù)訓(xùn)練模型，專門為預(yù)測時間序列數(shù)據(jù)而設(shè)計。它是一個功能強(qiáng)大的工具，能夠幫助用戶以更高的精度預(yù)測未來的趨勢，讓您更具遠(yuǎn)見，能夠充分利用即將到來的機(jī)會，同時規(guī)避潛在的風(fēng)險。

接下來，我們將對TimeGPT進(jìn)行深入分析，從各個角度探討其特性，并展示如何將其與數(shù)據(jù)庫集成，以最大限度地發(fā)揮預(yù)測分析的全部潛力。

什么是TimeGPT

TimeGPT是一種預(yù)訓(xùn)練的生成模型，專門用于預(yù)測時間序列數(shù)據(jù)。它的主要功能是根據(jù)歷史數(shù)據(jù)預(yù)測時間序列的未來值。這種能力使得TimeGPT成為一個在預(yù)測分析領(lǐng)域中不可或缺的工具。

TimeGPT按順序處理數(shù)據(jù)，采用窗口技術(shù)分析歷史數(shù)據(jù)點并識別其中的模式。通過推斷這些已識別的模式，TimeGPT能夠預(yù)測時間序列的未來值。

TimeGPT的概述

• 創(chuàng)新的預(yù)訓(xùn)練：TimeGPT將預(yù)訓(xùn)練模型應(yīng)用于時間序列數(shù)據(jù)，這使得它能夠在沒有特定訓(xùn)練的情況下，使用已收集的數(shù)據(jù)預(yù)測新數(shù)據(jù)集。這與傳統(tǒng)模型的工作方式有所不同。

• 高級模式識別：TimeGPT擅長識別時間序列數(shù)據(jù)中的復(fù)雜模式，在趨勢、季節(jié)性和異常檢測方面超越了許多傳統(tǒng)模型。

• 高效預(yù)測：TimeGPT通過使用高級神經(jīng)網(wǎng)絡(luò)提供高效的預(yù)測，通過消除特定于數(shù)據(jù)集的再訓(xùn)練，減少了時間序列分析通常所需的時間和資源。

• 持續(xù)學(xué)習(xí)和適應(yīng)：與靜態(tài)傳統(tǒng)模型不同，TimeGPT 具有持續(xù)學(xué)習(xí)和適應(yīng)的潛力，能夠在新數(shù)據(jù)出現(xiàn)時保持預(yù)測的準(zhǔn)確性。

TimeGPT的特性和優(yōu)勢

作為一種領(lǐng)先的預(yù)測分析模型，TimeGPT具備多項獨特的高級功能，使其成為處理復(fù)雜預(yù)測場景的強(qiáng)大工具。以下是一些關(guān)鍵特性和優(yōu)勢：

異常檢測：

• 特性：TimeGPT利用預(yù)測建模技術(shù)，能夠識別時間序列數(shù)據(jù)中的異常模式或異常值，這通常表明發(fā)生了重大且意外的事件。
• 優(yōu)勢：此功能對于企業(yè)和分析師快速檢測和響應(yīng)異常事件至關(guān)重要。即使存在異常，模型仍能保持準(zhǔn)確和可靠。

外生變量處理：

• 特性：TimeGPT可以將外部因素或外部變量（例如零售預(yù)測中的天氣條件）納入分析。
• 優(yōu)勢：通過考慮外部因素的影響，TimeGPT能夠進(jìn)行更細(xì)致和準(zhǔn)確的預(yù)測。這在外部因素顯著影響數(shù)據(jù)趨勢的情況下尤為有用。 

微調(diào)：

• 特性：盡管TimeGPT是一個預(yù)訓(xùn)練模型，但它提供了微調(diào)的能力，以適應(yīng)特定數(shù)據(jù)集或獨特的預(yù)測需求。
• 優(yōu)勢：用戶可以根據(jù)特定要求定制模型，從而提高在特定環(huán)境中的預(yù)測準(zhǔn)確性和相關(guān)性。

歷史預(yù)測：

• 特性：TimeGPT可以分析過去的數(shù)據(jù)，生成歷史預(yù)測，讓用戶了解模型如何預(yù)測過去的事件。
• 優(yōu)勢：TimeGPT的歷史預(yù)測功能可以幫助用戶驗證模型的準(zhǔn)確性和可靠性。通過了解模型如何預(yù)測過去的事件，用戶可以對模型的未來預(yù)測結(jié)果充滿信心。

管理復(fù)雜的預(yù)測場景

當(dāng)處理復(fù)雜場景（例如假期、特殊日期和不規(guī)則時間戳）時，TimeGPT的功能非常有用。 

• 假期和特殊日期：這些事件對時間序列數(shù)據(jù)的趨勢產(chǎn)生顯著影響。TimeGPT具備檢測異常并結(jié)合外部變量的能力，從而準(zhǔn)確預(yù)測這些日期，并考慮到其對數(shù)據(jù)產(chǎn)生的獨特影響。

• 不規(guī)則時間戳：時間序列數(shù)據(jù)有時可能是不規(guī)則的，或者存在缺失的數(shù)據(jù)點。TimeGPT的復(fù)雜算法可以處理這種不規(guī)則性，即使在不統(tǒng)一的數(shù)據(jù)下也能確保一致且準(zhǔn)確的預(yù)測結(jié)果。

在MindsDB中部署TimeGPT模型

MindsDB是一個構(gòu)建自定義AI的平臺，它能夠從企業(yè)數(shù)據(jù)中提取價值。它的工作方式是將任何數(shù)據(jù)源與任何AI/ML模型或框架連接起來，并自動化它們之間的實時數(shù)據(jù)流動。

MindsDB將數(shù)據(jù)源與TimeGPT等先進(jìn)的AI/機(jī)器學(xué)習(xí)模型連接起來。這使得用戶可以輕松創(chuàng)建、訓(xùn)練和管理這些模型，對于那些在機(jī)器學(xué)習(xí)方面經(jīng)驗較少的人來說，這特別有益。

將TimeGPT集成到MindsDB，首先使用以下語句創(chuàng)建TimeGPT ML引擎，然后提供TimeGPT API密鑰。

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

接下來，用戶可以使用CREATE MODEL語句來創(chuàng)建、訓(xùn)練和部署TimeGPT模型。一旦模型創(chuàng)建并訓(xùn)練完成，您就可以查詢模型以獲取預(yù)測。

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';

現(xiàn)在您可以查詢模型以獲取預(yù)測：

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，您可以自動化預(yù)測流程，并持續(xù)為任何下游應(yīng)用生成預(yù)測。這在您有定期更新的動態(tài)數(shù)據(jù)時特別有用。隨著新數(shù)據(jù)的不斷涌入，您應(yīng)該利用這些最新數(shù)據(jù)對模型進(jìn)行微調(diào)，以確保預(yù)測的準(zhǔn)確性。

在這里，我們創(chuàng)建了一個作業(yè)，該作業(yè)使用最新的數(shù)據(jù)對模型進(jìn)行微調(diào)，并將每日的預(yù)測結(jié)果保存在數(shù)據(jù)庫表中。

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預(yù)測用例，您可以訪問我們的文檔頁面。在那里，您將找到豐富的信息和實用的指南。

如何在預(yù)測分析中使用TimeGPT

企業(yè)必須具備靈活性，以應(yīng)對市場的每一分鐘變化。利用預(yù)測分析技術(shù)，如TimeGPT所支持的技術(shù)，可以幫助您領(lǐng)先一步，甚至為您帶來競爭優(yōu)勢。

企業(yè)可以在以下幾個關(guān)鍵領(lǐng)域中利用TimeGPT，包括：

財務(wù)預(yù)測

TimeGPT在處理和解釋基于時間的數(shù)據(jù)方面表現(xiàn)出色，這使得它在預(yù)測金融市場波動方面更為精確。它能夠識別金融數(shù)據(jù)集中的當(dāng)前趨勢和細(xì)微變化，從而幫助制定更明智的投資策略。

需求預(yù)測

在零售和制造業(yè)等行業(yè)，TimeGPT能夠預(yù)測產(chǎn)品需求，這對于庫存管理、供應(yīng)鏈優(yōu)化和戰(zhàn)略規(guī)劃至關(guān)重要。通過分析歷史銷售數(shù)據(jù)和市場趨勢，TimeGPT可以預(yù)測未來的需求模式，幫助企業(yè)有效地做好準(zhǔn)備和適應(yīng)變化。

異常檢測

該模型的順序?qū)W習(xí)方法在檢測異常方面表現(xiàn)出優(yōu)勢，例如發(fā)現(xiàn)網(wǎng)絡(luò)安全流量的異常模式，或者識別機(jī)器性能異常以進(jìn)行預(yù)測性維護(hù)。這一功能對于在潛在問題惡化之前進(jìn)行干預(yù)至關(guān)重要。

預(yù)測分析場景

以下是使用TimeGPT進(jìn)行精確預(yù)測分析的一些應(yīng)用場景：

• 股票市場分析：相比于傳統(tǒng)的股票價格預(yù)測方法，TimeGPT的表現(xiàn)更優(yōu)，能夠為投資者和分析師提供有力的支持。

• 醫(yī)療保健趨勢預(yù)測：TimeGPT能夠預(yù)測醫(yī)療保健趨勢，這對于資源的有效分配和規(guī)劃至關(guān)重要。

• 供應(yīng)鏈優(yōu)化：TimeGPT能夠預(yù)測未來的物流需求，從而提高效率并降低成本。

• 零售客戶行為分析：TimeGPT能夠預(yù)測零售購買趨勢，從而幫助進(jìn)行庫存管理和有針對性的營銷。

• 制造預(yù)測性維護(hù)：TimeGPT能夠識別潛在的設(shè)備故障，從而最大程度地減少停機(jī)時間和維護(hù)成本。

現(xiàn)實世界中的TimeGPT

全球業(yè)務(wù)的復(fù)雜性和相互關(guān)聯(lián)性比以往任何時候都更強(qiáng)。一個行業(yè)的錯誤決策可能會對其他多個行業(yè)產(chǎn)生連鎖反應(yīng)，這使得企業(yè)必須利用預(yù)測分析來預(yù)測、準(zhǔn)備和應(yīng)對未來的事件。

TimeGPT憑借其先進(jìn)的時間序列分析、深度學(xué)習(xí)功能、自適應(yīng)學(xué)習(xí)和可定制的可擴(kuò)展模型，已被證明是進(jìn)行更準(zhǔn)確預(yù)測分析的有效工具。

將TimeGPT與MindsDB集成，形成了一個強(qiáng)大的組合工具，大大提高了在業(yè)務(wù)數(shù)據(jù)庫中進(jìn)行預(yù)測洞察的準(zhǔn)確性和適用性。這種集成也可以幫助用戶能夠靈活地進(jìn)行預(yù)測，并快速響應(yīng)全球市場的快速發(fā)展，這種靈活性和快速響應(yīng)能力對于在競爭激烈的全球市場中保持領(lǐng)先地位至關(guān)重要。

譯者介紹

劉濤，51CTO社區(qū)編輯，某大型央企系統(tǒng)上線檢測管控負(fù)責(zé)人。

原文標(biāo)題：How TimeGPT Transforms Predictive Analytics with AI，作者：Jorge Torres

鏈接：?https://hackernoon.com/how-timegpt-transforms-predictive-analytics-with-ai  ?。