时序必读论文14｜VLDB24 TFB：全面且公平的时间序列预测方法框架

科学最TOP

于 2024-10-01 22:57:27 发布

阅读量545

点赞数 9

分类专栏：时间序列文章标签： transformer 深度学习人工智能论文解读时间序列

本文链接：https://blog.csdn.net/u010681011/article/details/142675873

版权

时间序列专栏收录该内容

16 篇文章 1 订阅

订阅专栏

论文标题：TFB: Towards Comprehensive and Fair Benchmarking of Time Series Forecasting Methods

论文链接：https://arxiv.org/pdf/2403.20150.pdf

代码链接：https://github.com/decisionintelligence/TFB

前言

五一过后读的第一篇文章，质量非常高。与以往对时序模型修补、改进类的算法论文不同，TFB这篇文章关注的是整个时间序列领域更高的层面的问题。其实从我开始写文章以来，就陆续收到私信，询问：为什么论文中SOTA的模型，放到我的数据集不work /效果不好/不如线性模型？包括我在kaggle社区也发现，几乎所有的业界时序预测竞赛，大家用XGboost类算法，而非深度学习。

这说明：不同应用领域的数据集与不同时序模型之间其实存在一个内在的Gap，本篇文章就通过对当前时序研究“不规范”、不全面的地方进行系统分析，从数据集、对比方法、评估流程三个方面，构造了一个可插拔的自动化基准。为时序研究人员提供了更全面可用的基准工具集。

当前时序研究框架存在的不足

现有时序研究在整个评估框架上存在的三方面问题：

问题1：数据领域覆盖不足。

不同领域的时间序列可能会表现出多样化的特征。图1a是环境领域的时序数据，呈现出明显的季节性模式。图1b展示了一个经济领域的时间序列，具有明显的增长趋势。图1c是电力领域时序，可以看到在某个时间点数据发生了显著变化，这可能是一个突发事件等。以上这些简单模式只是冰山一角，不同领域的时序可能具有更复杂的模式。因此，仅使用有限的领域会导致时间序列特征的覆盖范围有限，无法提供一个完整的视角。

图2总结了现有预测基准测试中使用的多变量数据领域。可以观察到TSlib、LTSF-Linear、BasicTS和BasicTS+只包含了大约10个数据集，覆盖的领域少于或等于5个。而且这些数据集主要集中在交通和电力这两个领域。由于TSlib中的多变量时间序列数据集是最常用的，作者调查了TSlib和TFB中数据集特征值的变化——如下右图。可以观察到TFB数据集在六个特征上的分布比TSlib更加多样化。由此可以认为：扩大领域覆盖范围是有益的，这有助于对方法性能进行更广泛的评估。

问题2：对传统方法的刻板偏见。

作者在不同领域（股票市场、能源、健康）的三个数据集上对VAR、PatchTST、线性回归（LR）、NLinear、FEDformer和Crossformer等方法进行了实验，结果如下表。令人惊讶的是，VAR在股票数据上超越了所有最近提出的最新技术（SOTA）方法，在ILI上也优于FEDformer和Crossformer。此外，LR在Wind上的表现也优于最近提出的最新技术方法。

然而，原始论文的实验却并没有将VAR和LR纳入基线比较，而是假设传统方法无法获得有竞争力的性能！通过比较广泛的方法范围，消除对传统方法的刻板偏见是有益的。

问题3：缺乏一致且灵活的流程。

不同方法的性能会随着实验设置的变化而变化，例如，在训练/验证/测试数据之间的划分、归一化方法的选择以及超参数设置的选择。这一部分就是我的上一篇文章想讲的“drop last”的影响，作者详细讨论了当前时序研究"Drop last"带来的对比误差，结果如下图，具体可参考原论文。此外，大多数基准测试中的流程缺乏灵活性，不支持统计学习、机器学习和深度学习方法的同时评估。而确保一个一致且灵活的流程至关重要，这样就可以在相同的设置下进行评估，从而提高发现的公平性。

本文工作

围绕以上问题，作者提出时间序列预测基准（Time series Forecasting Benchmark，TFB），以更全面地跨应用领域和方法对时间序列预测（TSF）方法进行实证评估和比较，并提高评估的公平性。

解决问题1：

根据数据集特征分类方法进行全面的数据集收集，提供多样化的特征，涵盖来自多个领域和复杂设置的时间序列。包含25个多变量和8,068个单变量数据集，其数据格式都是一致的，涵盖了广泛的领域和特性。这一部分作者对单变量、多变量数据集进行细致分析，具体可看原文。

特别是还对数据集的全面性进行讨论。考虑数据的五个特征值：趋势性、季节性、平稳性、漂移性和转移。采用PCA将维度从五维降低到二维，并可视化了八个单变量时间序列数据集。可以看到，TFB和M4覆盖的单元格最多，而其他所有基准相对于TFB都较小。这说明数据集在特征分布多样性方面的覆盖了更广泛的领域。

解决问题2：

如下图，TFB框架扩展了评估策略和指标：包括统计学习、机器学习和深度学习方法，引入多种评估策略和指标，使其更全面地评估模型。

解决问题3：

设计灵活且可扩展的评估流程框架，通过统一的流程进行评估，采用一致且标准化的评估策略。包括：固定预测和滚动预测。以及包括MAE、MSE等在内的八种误差度量指标。

最后，如下图：作者引入了一个统一的评估流程，分为数据层、方法层、评估层和报告层。用户只需在方法层部署他们的方法架构，并选择或配置配置文件，然后TFB就可以自动运行图中的流程。

实验和总结

作者对TFB中包含的所有数据集，包括25个多变量数据集和8,068个单变量时间序列，以及前文提到的所有baseline方法，进行细致的实验分析，限于篇幅不在展示。

我比较关心的一些结论：

线性模型在数据集呈增长趋势或具有显著漂移时表现出色。这可以归因于线性模型的线性建模能力，使其能够很好地捕捉线性趋势和漂移。
Transformer方法在展现明显季节性、平稳性和非线性模式，以及更明显模式或内在相似性的数据集上优于线性方法。这种优越性可能源于Transformer方法增强的非线性建模能力。

Anaway，没有适合所有数据集的模型，要根据具体情况选择。本文给出的数据集，以及构建的一整套训练框架对于模型效果评估验证是很好的。

大家一定要关注我的公众号【科学最top】，第一时间follow时序高水平论文解读！！！