Google发布TimesFM-3，可多维度预测时序数据

谷歌推出了一款全新AI模型。但它不是LLM，而是一款用于预测未来的基础模型。对机器学习团队和数据科学家来说，这是一则重要消息。你需要了解的一切都在下文 👇

TimesFM 是 Time Series Foundation Model 的缩写，简单来说就是：它对时间序列上的数值进行预测。举个例子：销售额、需求、服务器负载、医院流量。

该模型有3.3亿参数，和LLM比起来这根本不算什么。谷歌在超过10亿个时间点上训练了它，数据既有真实数据，也有合成数据。

最大的改进是什么？TimesFM 此前所有版本一次只能读取一个时间序列，只能看一条历史数据，除此之外什么都处理不了。

而 TimesFM-3 可以同时读取多个序列，原生支持多维度预测。它还支持协变量，也就是目标数值周边的相关信号。比如天气、促销、节假日、行人流量。

举个例子，假设你想要预测下个月能卖出多少冰淇淋。旧模型只能看到过去的销售数据。TimesFM-3 还能看到天气和促销日历，它知道下周会有热浪来袭，能在销量上涨发生前就预测出来。

它在医学领域能发挥什么作用？医学领域同样存在大量时间序列。医院可以用它预测床位占用率、人员需求和急诊流量。

TimesFM-3 可以同时读取这三个序列。它能同时追踪患者的多个相互关联的生命体征参数：心率、血压、血氧饱和度。它还可以预测科室床位占用率，同时考虑流感季、气温和数十个其他变量。

除此之外，它完全不需要微调。你导入数据就能得到结果，不需要额外训练，也不用花费数周在GPU上跑任务。

对决策来说很重要、但经常被忽略的一点是置信区间。该模型会输出点预测和9个分位数，也就是最优估计加上取值范围，能帮助人们做出更好的决策。

它底层是解码器Transformer，按每包32步读取时间序列，完整预测一次生成。旧版本只能一步步缓慢生成，而它一步到位。

TimesFM-3 在 GIFT-Eval、few-bench 和 TIME 基准测试中拿下了第一名，击败了 Chronos-2、Toto 2.0，还有谷歌自己的前代产品 TimesFM-2.5。

模型权重已经在 Hugging Face 开放。但可惜的是，这里有个限制：代码采用 Apache-2.0 许可证，但权重仅可用于非商业用途。你可以免费测试，但还不能把它部署到生产环境中。