Cos'è PatchTST?

PatchTST è un metodo per la previsione di serie temporali basato su trasformatori. A differenza dei modelli classici, PatchTST suddivide la serie temporale in patch (brevi sequenze), che vengono poi inseriti nel trasformatore. Questo approccio consente di catturare efficacemente le dipendenze locali e globali nei dati temporali, migliorando la qualità delle previsioni.

Vantaggi principali di PatchTST:

• L'uso di patch riduce la complessità computazionale.
• Il trasformatore modella bene le dipendenze a lungo termine.
• È adatto a vari compiti di previsione di serie temporali.

Un esempio di utilizzo di PatchTST in un compito di previsione di serie temporali potrebbe essere così (pseudo-codice):

# Suddividere la serie temporale in patch
patches = create_patches(time_series, patch_size=16)

# Passare i patch al trasformatore
predictions = PatchTSTModel(patches)

In questo modo, PatchTST combina i vantaggi dei trasformatori e dell'analisi locale delle serie temporali.