Qu'est-ce que PatchTST?

PatchTST est une méthode de prévision des séries temporelles basée sur les transformateurs. Contrairement aux modèles classiques, PatchTST divise la série temporelle en patches (courtes séquences), qui sont ensuite introduits dans le transformateur. Cette approche permet de capturer efficacement les dépendances locales et globales dans les données temporelles, améliorant ainsi la qualité des prévisions.

Les principaux avantages de PatchTST :

• L'utilisation de patches réduit la complexité computationnelle.
• Le transformateur modélise bien les dépendances à long terme.
• Convient à diverses tâches de prévision de séries temporelles.

Un exemple d'utilisation de PatchTST dans une tâche de prévision de séries temporelles pourrait ressembler à ceci (pseudo-code) :

# Diviser la série temporelle en patches
patches = create_patches(time_series, patch_size=16)

# Passer les patches au transformateur
predictions = PatchTSTModel(patches)

Ainsi, PatchTST combine les avantages des transformateurs et de l'analyse locale des séries temporelles.