引言
當(dāng)今時代，人工智能從根本上重塑了預(yù)測分析，使預(yù)測比以往任何時候都更加精確。所有行業(yè)的企業(yè)都在利用人工智能的廣泛能力來預(yù)測未來趨勢，并為即將到來的事情做好準備。
任何預(yù)測的準確性都取決于許多因素：人工智能算法的復(fù)雜性、預(yù)測模型的穩(wěn)健性，以及它們所訓(xùn)練的數(shù)據(jù)的質(zhì)量和數(shù)量，等等。
Nixtla公司開發(fā)的開源產(chǎn)品TimeGPT（https://docs.nixtla.io/?ref=hackernoon.com）是一個專門為預(yù)測時間序列數(shù)據(jù)而設(shè)計的生成式預(yù)訓(xùn)練模型。這是一種強大的模型資產(chǎn)，可以讓你更準確地預(yù)測未來的結(jié)果，讓你擁有先見之明，能夠幫助你利用即將到來的機會避開可能的陷阱。
下面，我們將對TimeGPT展開細致入微的介紹，從各個角度對其進行分析，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是一個用于時間序列數(shù)據(jù)預(yù)測的預(yù)訓(xùn)練生成模型，它的核心功能是根據(jù)歷史數(shù)據(jù)預(yù)測時間序列中的未來值。
該應(yīng)用程序按順序處理數(shù)據(jù)，使用窗口技術(shù)來分析歷史數(shù)據(jù)點并實現(xiàn)模式識別。這使它能夠通過外推這些已識別的模式來預(yù)測未來的價值。
TimeGPT概述
- 創(chuàng)新的預(yù)訓(xùn)練：Nixtla的TimeGPT將預(yù)訓(xùn)練的模型應(yīng)用于時間序列數(shù)據(jù)，使用收集的數(shù)據(jù)在沒有特定訓(xùn)練的情況下預(yù)測新的數(shù)據(jù)集，這與傳統(tǒng)模型有所不同。
- 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過了許多傳統(tǒng)模型。
- 高效預(yù)測：通過使用先進的神經(jīng)網(wǎng)絡(luò)，TimeGPT提供了高效的預(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需要的時間和資源。
- 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)性的潛力，從而實現(xiàn)在新數(shù)據(jù)出現(xiàn)時仍然能夠保持預(yù)測結(jié)果的準確性。
TimeGPT的功能和優(yōu)勢
作為領(lǐng)先的預(yù)測分析模型之一，TimeGPT提供了各種獨特的高級功能，使其成為管理復(fù)雜預(yù)測場景的強大工具。其中包括：
- 異常檢測
特點：利用預(yù)測建模技術(shù)，TimeGPT擅長識別時間序列數(shù)據(jù)中的異常模式或異常值，這些模式或異常通常指示重大但意外的事件。
優(yōu)點：這一功能對于企業(yè)和分析師快速檢測和響應(yīng)異常事件至關(guān)重要，確保預(yù)測模型保持準確可靠，即使存在某些偏差。
- 外源變量處理
特點：TimeGPT可以將外部因素或外部變量（如零售銷售預(yù)測的天氣條件）納入其分析中。
優(yōu)點：通過考慮外部因素的影響，這種能力可以進行更細致、更準確的預(yù)測，這在外部因素顯著影響數(shù)據(jù)趨勢的情況下尤其有用。
- 微調(diào)
特點：雖然TimeGPT是一個預(yù)先訓(xùn)練的模型，但它提供了微調(diào)功能，以適應(yīng)特定的數(shù)據(jù)集或獨特的預(yù)測需求。
優(yōu)點：此功能使用戶能夠更緊密地根據(jù)自己的具體需求定制模型，從而提高預(yù)測結(jié)果在特定環(huán)境中的準確性和相關(guān)性。
- 歷史預(yù)測
功能：TimeGPT可以分析過去的數(shù)據(jù)以生成歷史預(yù)測，使用戶可以了解模型如何預(yù)測過去的事件。
優(yōu)點：這對驗證模型的準確性和可靠性特別有益，讓用戶對其未來預(yù)測充滿信心。
管理復(fù)雜的預(yù)測場景
TimeGPT所具有的功能使得其在處理節(jié)假日、特殊日期和不規(guī)則時間戳等復(fù)雜場景時尤其適合。
- 假期和特殊日期：這些事件會對時間序列數(shù)據(jù)的趨勢產(chǎn)生重大影響。TimeGPT檢測異常并結(jié)合外源變量的能力有助于準確預(yù)測這些日期前后的情況，并考慮到它們的獨特影響。
- 不規(guī)則時間戳：時間序列數(shù)據(jù)有時可能是不規(guī)則的或有缺失的數(shù)據(jù)。TimeGPT復(fù)雜的算法可以處理這種不規(guī)則性，即使在數(shù)據(jù)不一致的情況下也能確保一致和準確的預(yù)測。
在MindsDB中部署TimeGPT模型
開源數(shù)據(jù)庫MindsDB是一個從企業(yè)數(shù)據(jù)構(gòu)建自定義人工智能的優(yōu)秀平臺。它的工作原理是，將任何數(shù)據(jù)源與任何AI/ML模型或框架連接起來，并自動化實時數(shù)據(jù)在它們之間的流動方式。
MindsDB將數(shù)據(jù)源與TimeGPT等高級AI/ML模型連接起來。這使開發(fā)者能夠輕松創(chuàng)建、訓(xùn)練和管理這些模型，使其對那些在機器學(xué)習(xí)方面經(jīng)驗最少的人特別有益。
要將TimeGPT集成到MindsDB，首先需要使用以下語句創(chuàng)建TimeGPT ML引擎，并提供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CREATEMODEL語句來創(chuàng)建、訓(xùn)練和部署TimeGPT模型。
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，您就可以開始查詢模型以獲取預(yù)測結(jié)果了：
SELECT m.date_column, m.column_to_be_predicted
FROM data_table AS d
JOIN model_table AS m
WHERE d.date_column > LATEST;借助于MindsDB，您可以通過自動化方式進行預(yù)測，并為任何下游用途不斷生成預(yù)測。當(dāng)您擁有定期更新的動態(tài)數(shù)據(jù)時，這個工具尤其有用。然后，應(yīng)該根據(jù)最新數(shù)據(jù)對模型進行微調(diào)，以提供盡可能準確的預(yù)測結(jié)果。
在下面的腳本中，我們創(chuàng)建一個作業(yè)，使用最新數(shù)據(jù)對模型進行微調(diào)，并將每日預(yù)測保存在數(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;要查看完整的示例，請訪問我們的文檔頁面（https://docs.mindsdb.com/integrations/ai-engines/timegpt?ref=hackernoon.com#example）。此外，您可以在地址https://docs.mindsdb.com/sql/tutorials/house-sales-forecasting?ref=hackernoon.com處找到更多類似的預(yù)測用例。
如何在預(yù)測分析中使用TimeGPT ？
當(dāng)今世界，公司必須足夠敏捷，才能夠?qū)γ糠昼姷氖袌鲎兓龀龇磻?yīng)。使用類似于TimeGPT支持的技術(shù)預(yù)測分析技術(shù)能夠幫助您保持領(lǐng)先，甚至為您帶來競爭優(yōu)勢。
目前來看，企業(yè)可以在如下一些關(guān)鍵領(lǐng)域使用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)方面的熟練程度使其能夠在波動的金融領(lǐng)域進行更精確的預(yù)測。它能夠識別金融數(shù)據(jù)集中的當(dāng)前趨勢和細微差別，從而有助于制定更明智的投資策略。
- 需求預(yù)測
在零售業(yè)和制造業(yè)等行業(yè)，TimeGPT有助于預(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)有效地做好準備和適應(yīng)。
- 異常檢測
該模型的順序?qū)W習(xí)方法被證明在檢測異常方面是有利的，比如為了網(wǎng)絡(luò)安全而發(fā)現(xiàn)網(wǎng)絡(luò)流量中的異常模式，或者為了預(yù)測性維護而識別機器性能異常。這一功能對于在潛在問題加劇之前避免這些問題至關(guān)重要。
預(yù)測分析 場景舉例
以下是使用TimeGPT進行準確性預(yù)測分析方面的幾個典型的應(yīng)用場景舉例。
- 股市分析：與傳統(tǒng)的股價預(yù)測方法相比，TimeGPT表現(xiàn)良好，可成為投資者和分析師的有力助手。
- 醫(yī)療保健趨勢預(yù)測：它可以預(yù)測醫(yī)療保健趨勢，這對醫(yī)療資源的分配和規(guī)劃很重要。
- 供應(yīng)鏈優(yōu)化：TimeGPT可以預(yù)測未來物流需求趨勢，從而提高物流效率并降低成本。
- 零售客戶行為分析：它還能夠預(yù)測零售購買趨勢，有助于庫存管理和定向營銷。
- 制造預(yù)測性維護：TimeGPT可幫助識別潛在的設(shè)備故障，最大限度地減少停機時間和維護成本。
真實世界中的TimeGPT
如今的互聯(lián)網(wǎng)時代，全球業(yè)務(wù)比以往任何時候都更加復(fù)雜并相互關(guān)聯(lián)。一個行業(yè)的一個錯誤舉動可能會在其他幾個行業(yè)產(chǎn)生連鎖反應(yīng)，這使得公司利用預(yù)測分析來預(yù)測、準備和應(yīng)對未來事件至關(guān)重要。
憑借其先進的時間序列分析、深度學(xué)習(xí)功能、自適應(yīng)學(xué)習(xí)和可定制的可擴展模型，TimeGPT已被證明是進行更準確預(yù)測分析的有效工具。
總之，將TimeGPT與MindsDB集成到一起可以創(chuàng)建一個強大的組合，從而直接在業(yè)務(wù)數(shù)據(jù)庫中增強預(yù)測見解的準確性和適用性。這使得您能夠靈活地預(yù)測和快速應(yīng)對快速發(fā)展的全球市場。
那么，到底TimeGPT會如何處理您公司的數(shù)據(jù)呢？點擊此處鏈接https://docs.mindsdb.com/sql/tutorials/monthly-expediture-timegpt?ref=hackernoon.com，您可以查看更細致的針對性教程。
譯者介紹
朱先忠，51CTO社區(qū)編輯，51CTO專家博客、講師，濰坊一所高校計算機教師，自由編程界老兵一枚。
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。
