¿Qué es PatchTST?

PatchTST es un método para pronosticar series temporales basado en transformadores. A diferencia de los modelos clásicos, PatchTST divide la serie temporal en parches (cadenas cortas), que luego se introducen en el transformador. Este enfoque permite capturar de manera eficiente las dependencias locales y globales en los datos temporales, mejorando la calidad de las predicciones.

Las principales ventajas de PatchTST:

• El uso de parches reduce la complejidad computacional.
• El transformador modela bien las dependencias a largo plazo.
• Es adecuado para diversas tareas de pronóstico de series temporales.

Un ejemplo de uso de PatchTST en una tarea de pronóstico de series temporales puede ser así (pseudocódigo):

# Dividir la serie temporal en parches
patches = create_patches(time_series, patch_size=16)

# Pasar los parches al transformador
predictions = PatchTSTModel(patches)

De esta manera, PatchTST combina las ventajas de los transformadores y el análisis local de series temporales.