この記事は、The Parallel Universe Magazine 58 号に掲載されている「Implement a Transformer-Based Time Series Predictor」の日本語参考訳です。原文は更新される可能性があります。原文と翻訳文の内容が異なる場合は原文を優先してください。
最近、時系列分析に関心のある複数のクライアントと仕事をする機会がありました。これは、時系列予測とクラスタリングの最新および従来の手法を探求する絶好の機会となりました。そこで得た知識を、時系列予測に関するこの記事と、本号の記事「PCA と DBSCAN による時系列クラスタリング」に分けて紹介します。
Hugging Face コミュニティーには、時系列予測用の Chronos (英語) モデルがあります。Chronos は、時系列予測モデルのファミリーで、言語モデルが次のトークンの予測に使用している Transformer アーキテクチャーに基づいています。このモデルは、公開されている大規模な時系列データコーパスで事前トレーニング済みであり、データに合わせてファイン・チューニングが可能です。ここでは、AutoGluon (英語) ライブラリーの chronos-bolt-small (英語) モデルを使用します。以下は、AutoGluon のウェブページから抜粋した機能に関する簡単な説明です。
「シンプルな fit() を呼び出すだけで、AutoGluon はシンプルな予測モデル（ARIMA、ETS、Theta など）、強力なディープラーニング・モデル（DeepAR、Temporal Fusion Transformer など）、ツリーベース・モデル（LightGBM など）、およびその他のモデルの予測を組み合わせて、一変量時系列データの複数ステップ先の確率予測を生成するアンサンブルをトレーニングおよびチューニングできます。」
インテル® Tiber™ AI クラウド
この例では、最新のインテルの AI ハードウェアとソフトウェア (英語) を利用できるインテル® Tiber™ AI クラウドの無料アカウントを使用します。初期プロジェクトの実行手順を以下に示します。この例では、インテル® Xeon® スケーラブル・プロセッサーを使用します。インテル® Tiber™ AI クラウドのアカウントをお持ちでない場合は、無料で登録できます。
初期プロジェクトのセットアップ
アカウントを作成したら、以下の手順に従ってください。
- 「Get Started」 (英語) にアクセスします。この項目は無料の学習アカウントで開始できます。
- [Connect Now] をクリックし、任意のデバイスタイプ（この例では CPU のみを使用）を選択して JupyterLab を起動します。
- 以下のような JupyterLab インターフェイスが表示されます。
- 以下のように「Unsupervised」という名前のフォルダーを作成します。
次のステップに進む前に「Unsupervised」をダブルクリックします。
- プロジェクトのコードは、Git リポジトリー ChronosTimeSeriesPredictor (英語) にあります。Git コマンドを実行してリポジトリーのクローンを作成するため、ターミナルセッションを起動します。
これにより、Bash シェルターミナルのブラウザータブが作成されます。
