FoundTS数据集：是一个全面覆盖多个领域的多变量时间序列数据集合，目的为时间序列预测模型提供一个标准化和综合性的评估基准。

2024-10-16，由华东师范大学和松鼠AI联合创建了FoundTS数据集，是一个全面覆盖多个领域的多变量时间序列数据集合，目的为时间序列预测模型提供一个标准化和综合性的评估基准。

 

一、研究背景：

时序预测（TSF）在金融、气象服务、能源管理等多个领域中扮演着关键角色。尽管当前出现了许多TSF方法，但它们大多需要针对特定领域的数据收集和模型训练，并且在新领域的泛化性能较差。为了克服这一限制，基础模型应运而生，它们在大规模语言或时序数据上预训练，展现出在新或未见数据上的出色推理能力。

 

目前遇到困难和挑战：

1、现有的TSF模型在新或未见数据上的泛化能力不足，导致性能不佳。

3、基础模型虽然具有出色的零样本和少样本预测能力，但现有的研究对其优势和局限性的理解仍然有限。

3、不同的基础模型采用不同的实验设置，使得不同模型间的性能比较变得困难。

数据集地址：FoundTS|时间序列预测数据集|模型评估数据集 

 

二、让我们来一起看一下FoundTS数据集

FoundTS数据集包含了多个领域的多变量时序数据集，覆盖了股票、健康、能源、电力、环境、交通、自然、银行、网络和经济等10个不同的领域。数据集具有不同的统计特性，如季节性、趋势、平稳性、转换、偏移、相关性和非高斯特性。

 

数据集特点：

1、覆盖多个领域和具有不同统计特性的数据集，以全面比较模型的预测和泛化性能。

2、支持零样本、少样本和全样本等多种评估策略。

3、提供统一的实验设置，用于标准化数据集拆分、加载、标准化和小样本采样等过程，以确保模型评估的一致性。

 

基准测试：

FoundTS通过综合实验评估了多种时序预测基础模型的性能，揭示了现有模型的优缺点，并为未来模型设计提供了方向。

 

三、展望FoundTS数据集的应用：

比如，我是一个国家公园的生态保护负责人。

我的工作是确保公园里的森林和野生动植物得到良好的保护。但是，要预测森林覆盖率的变化、物种多样性的增减，这些都不是简单的任务。

比如说，我可能知道去年这个时候，某种鸟类的数量减少了，但为什么呢？或许是森林面积缩小了，也或许是气候变化了。这些数据很难收集，也真的很难分析。

现在，有了FoundTS数据集，你就可以用一种全新的视角来看这些问题了。

这个数据集包含了大量的时间序列数据，比如卫星图像显示的森林覆盖变化、气候数据、甚至是社交媒体上的观察报告。

我可以用这些数据来训练一个机器学习模型，能从这些数据中找出模式和趋势。比如，它可能会发现每当降雨量减少的时候，某种依赖湿润环境的鸟类数量就会下降。或者，它可能会预测到如果森林砍伐继续以当前的速度进行，未来几年内某些物种可能会面临灭绝的风险。

有了这样的预测，我就可以提前采取行动了。比如，我可以和当地的社区合作，推广可持续的农业实践，减少对森林的破坏。或者，我可以制定一些保护计划，比如建立保护区，限制游客的数量，以保护那些濒危的物种。

随着时间的推移，模型会根据新的数据不断优化自己的预测能力，这样我的预测结果就会越来越准确。这不仅有助于保护公园的生态环境，也有助于保护我们地球的生物多样性。

 

 

小知识：

时间序列预测（TSF）模型可以分为 特定模型 和 基础模型 两大类。

一、特定模型

需要在特定数据集上训练和推理，包括统计学习模型、机器学习模型和深度学习模型。

统计学习模型：理论上稳健但难以捕捉非线性趋势；

机器学习模型：擅长捕捉复杂模式但需要手动特征工程；

深度学习模型：在预测准确性上通常表现最好，但受限于训练和推理数据的强耦合。

 

二、基础模型

基础模型则包括基于 大型语言模型的模型 和 时间序列预训练模型。这两类模型在未见过的时间序列数据集上都展现出了出色的零样本和少样本预测能力。

基于LLM的模型：具有广泛的语言理解和上下文处理能力,能够在面对未见过的数据时提供高质量的预测。

时间序列预训练模型:在大型时间序列数据集上进行预训练，展现出了泛化能力，使它们能够在有限的训练数据下进行预测。

 

 更多免费的数据集，请打开：遇见数据集

https://www.selectdataset.com/