Google Researchの時系列予測基盤モデルTimesFMでゼロショット予測と共変量付き予測を試してみる | DevelopersIO

はじめに データ事業本部のkobayashiです。 時系列データの予測を行う際に、従来はARIMAやProphetといった統計モデルやドメイン固有のモデルを個別にチューニングする必要がありました。近年ではLLMの成功に触発されて、時系列データに対しても事前学習済みの基盤モデル（Foundation Model）を活用するアプローチが注目されています。 今回はGoogle Researchが開発した時系列予測の基盤モデルTimesFMを試してみたのでその内容をまとめます。 TimesFM - GitHub TimesFM - Hugging Face TimesFMとは TimesFM（Time-series Foundation Model）は、Google Researchが開発した事前学習済みの時系列予測モデルです。ICML 2024で発表されたデコーダーオンリーアーキテクチャを採用し

[kiririmode]

TimesFMが代替するのは、系列に共通する基礎パターンを学習する工程である。実務では、予測時点で既知の業務要因を共変量モデルに、そこで説明できない残差をTimesFMに担当させることで、個別調整を業務固有の精度を確保