TFB：全面与公平的时间序列预测方法基准测试

文章预览

Content 时间序列预测在经济、交通、健康和能源等多个领域都有重要应用。随着预测方法的不断涌现，能够全面、可靠地比较这些方法变得尤为重要。为此，作者提出了一个自动化的时间序列预测（TSF）基准测试——TFB。TFB通过解决数据集、比较方法和评估流程方面的不足，推动了技术的发展。具体来说，TFB包括了来自10个不同领域的数据集，涵盖了交通、电力、能源、环境、自然、经济、股票市场、银行、健康和网络等领域。此外，TFB还提供了时间序列的特征描述，以确保所选数据集的全面性。为了消除对某些方法的偏见，TFB包含了多种方法，包括统计学习、机器学习和深度学习方法，并支持多种评估策略和指标。TFB还具有灵活且可扩展的流程，以消除偏见。作者使用TFB对21种单变量时间序列预测（UTSF）方法和14种多变量时间序列预测（MTSF）方法 ………………………………