Czym jest PatchTST?

PatchTST to metoda prognozowania szeregów czasowych oparta na transformatorach. W przeciwieństwie do klasycznych modeli, PatchTST dzieli szereg czasowy na fragmenty (krótkie sekwencje), które następnie są podawane do transformatora. Podejście to pozwala na skuteczne wychwytywanie lokalnych i globalnych zależności w danych czasowych, poprawiając jakość prognoz.

Główne zalety PatchTST:

• Użycie fragmentów zmniejsza złożoność obliczeniową.
• Transformator dobrze modeluje długoterminowe zależności.
• Nadaje się do różnych zadań prognozowania szeregów czasowych.

Przykład użycia PatchTST w zadaniu prognozowania szeregów czasowych może wyglądać tak (pseudo-kod):

# Podział szeregu czasowego na fragmenty
patches = create_patches(time_series, patch_size=16)

# Przekazanie fragmentów do transformatora
predictions = PatchTSTModel(patches)

W ten sposób PatchTST łączy zalety transformatorów i lokalnej analizy szeregów czasowych.