Canonical: https://instain.ru/tr/ai/google-timesfm/
Language: tr

Google Research  Zaman Serisi Tahmin Modeli

# TimesFM. 

Geçmiş dönemlerde doğrulama ile serinin tarihinin tahmini

4.38 / 5    [Katalog değerlendirmesi](https://instain.ru/tr/ai/google-timesfm/#editorial-rating) [Resmî site ](https://github.com/google-research/timesfm)

Model, serinin tarihsel değerlerini alır ve seçilen ufuk için bir tahmin oluşturur. Bazı sürümler için ek özellikler ve quantile'lar ile çalışma belgelenmiştir.

![Depo Google Research tahmin örnekleri ile TimesFM](https://instain.ru/assets/images/google-timesfm-screen-90f5458337c2-1200.webp)

Depo Google Research Tahmin Örnekleri TimesFM.  [Kaynağı aç ](https://github.com/google-research/timesfm)

## Tahmin gününde hangi bilgiler biliniyordu

Haftalık bir satış tahmini için, mağazanın önceden bildiği bir tatil takvimi yararlıdır. Ve bir önceki tahminde gelecekteki eylemle ilgili nihai rapor değiştirilemez. TimesFM bir tarih tahmini yapar ve bireysel sürümler de ek özellikler alır. Deneyden önce, onları sadece geçmişte mevcut ve ufuk boyunca bilinenlere bölün. Bu, bir model kurmaktan daha önemlidir, çünkü gelecekteki değerlerin gizli bir sızıntısı tahmini çok iyimser yapacaktır.

## Birkaç tarihte eğitim çalışması

Günlük satışlardan bir miktar alın ve tahmini yeniden üretmeniz gereken birkaç geçmiş tarihi düzeltin. Her tarih için, sonraki tüm satışları kesin ve ufku aynı tutun. TimesFM sonucunu bir önceki haftanın aynı günü için olan sayı ile karşılaştırın. Ardından, bilinen bir takvim eklemenin hatayı normal haftalar ve tatil dönemleri için ayrı ayrı değiştirip değiştirmediğini kontrol edin.

## Çözüm için interval gereklidir

Kullanılan sürüm quantile döndürürse, gerçek değerlerin seçilen sınırlar arasında ne sıklıkta düştüğüne bakın. Çok geniş bir aralık neredeyse tüm günleri içerebilir, ancak bir hisse senedi planlamak için çok az şey yapar. Satırlara boşluklarla ya da keskin bir talep değişikliğiyle yayılıp büyümediğini kontrol edin. Ağırlıkların sürümünü, geçişleri işleme yöntemini ve satırın kesme noktasını kaydedin. Tekrar, testin her noktasında mevcut olan aynı bilgileri kullanmalıdır. Takvimin yardımcı olmadığı ayrı dönemler yazın.

## Hangi görevler uygun

- Birkaç geçmiş tarih için haftalık satış tahminlerini karşılaştırın

- Önceden bilinen bir takvimin etkisini kontrol edin

Özellikler 

## Güçlü yönler

- Önceden eğitilmiş ağırlıkları var

- Belgelemede tahmin seçenekleri ve işaretlerle yapılan çalışma örnekleri bulunur.

Dikkate alınması gerekenler 

## Sınırlamalar

- Gelecekten gelen işaretler testin sonucunu bozar

- Doğruluk ve aralıkların sıranızda kontrol edilmesi gerekir

## Seçim ve koşullar

Ücretsiz kullanım

Evet

Deneme süresi

Doğrulanmadı

Kayıt gerektirmez

Doğrulanmadı

Rusça arayüz

Doğrulanmadı

Yerel kurulum

Evet

API

Doğrulanmadı

“Doğrulanmadı”, yeterli bilgi bulunmadığı anlamına gelir. Özellik mevcut olabilir; geliştiricinin koşullarını kontrol edin.

Girdi biçimleri

Veri

Sonuç

Veri

### Koşullar

Kod ve ağırlıklar ilgili Google yayınları şartları altında mevcuttur. Kendi kendine başlatma hesaplama kaynakları gerektirir. Gelecekten gelen işaretler testin sonucunu bozar.

Görevden ilk sonuca

## Uygulama örneği

Görev

Birkaç geçmiş tarih için haftalık satış tahminlerini karşılaştırın

Ne hazırlamalısınız?

Günlük satışların eğitim aralığı ve tahmini tarihte bilinen tatil takvimi.

### Görev veya istem

Sadece her tarih için mevcut bilgileri kullanarak birkaç geçmiş tarih için haftalık bir tahminde bulunun.

### Beklenen sonuç

Hata, aralıklar ve basit bir mevsimsel kriter ile tahminler ve gerçekler tablosu.

### Sonuç nasıl kontrol edilir

- Girişte gelecekteki verilerin olmadığını kontrol edin.

- Her zamanki haftaları ve hisse dönemlerini ayrı ayrı karşılaştırın.

Bu, görevin nasıl tanımlanabileceğini gösteren editoryal bir eğitim örneğidir; servisi bizzat test ederek elde edilmiş bir sonuç değildir. Gerekli modun kullanılabilirliğini, kaynak dosyalar üzerindeki hakları ve sonucun kullanım koşullarını kontrol edin.

Ayrıntıları kontrol et

## Resmi kaynaklar

-  [Resmi depo Google Research ](https://github.com/google-research/timesfm)

-  [TimesFM Ağırlık Kartı ](https://huggingface.co/google/timesfm-3.0-pytorch)

Açıklama geliştiricinin materyallerine dayanmaktadır. Fırsatlar, fiyatlar ve kullanılabilirlik değişebilir; kullanımdan önce orijinal kaynağa bakın.

Kısaca araç hakkında

Geliştirici

Google Research

Kategori

[Kod](https://instain.ru/tr/category/code/)

Erişim

Yerel çalışma için, seçilen ağırlıklar, uyumlu ortam ve anlaşılabilir bir gözlem frekansına sahip veriler gereklidir. Arayüz model versiyonuna bağlıdır.

Ödeme

Kod ve ağırlıklar ilgili Google yayınları şartları altında mevcuttur. Kendi kendine başlatma hesaplama kaynakları gerektirir.

API

Ayrı bir API belirtilmedi

[Geliştirici Koşulları ](https://huggingface.co/google/timesfm-3.0-pytorch)

Katalog değerlendirmesi

4.38 / 5 

Özellikler

4.50 / 5 

Çalışma senaryoları

4.20 / 5 

Ekosistem

4.30 / 5 

Belgeler

4.50 / 5 

Puanlar katalogda yol gösterir. Kullanıcı yorumu veya kişisel test sonucu değildir.

[Metodolojiye bakın ](https://instain.ru/tr/methodology/)

Tanımaya devam edin

## Benzer görevler için

[Kategorinin tamamı  ](https://instain.ru/tr/category/code/)

Kod 

###  [Amazon Chronos](https://instain.ru/tr/ai/amazon-chronos/)

Sayısal seriler için Amazon Science modellerini aç

4.30 / 5   Zaman Serisi Tahmin Modeli  

Benzer görevler; koşulları, biçimleri ve sınırlamaları karşılaştırın