N-BEATS
N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting) · Ayrıca şöyle bilinir: N-BEATS — Nöral Zaman Serisi Tahmini, Neural Basis Expansion Analysis, neural basis expansion
N-BEATS, Oreshkin ve meslektaşları tarafından 2020'de tanıtılan, yorumlanabilir eğilim ve mevsimsellik yığınlarından oluşan bir derin öğrenme mimarisidir. M4 yarışmasında, herhangi bir klasik istatistiksel bileşene dayanmadan en gelişmiş performansa ulaşan ilk saf sinirsel tahmin modeliydi.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
N-BEATS'i, makul ölçüde uzun bir geçmişe (en az yaklaşık 100 gözlem ve ideal olarak birkaç yüz) sahip olduğunuzda ve güçlü tahmin doğruluğu istediğinizde, tek değişkenli, sürekli zaman serisi tahmini için kullanın. Tahmin ufku ve girdi penceresini önceden sabitlemeniz gerekir ve eğitim için bir GPU önerilir. Kısa serilerde (yaklaşık 500 noktanın altında) yığılmış mimari aşırı uyuma eğilimindedir ve kabaca 100 noktanın altında bir sinirsel tahminci anlamsızdır — ARIMA gibi klasik bir istatistiksel yöntem daha güvenli bir seçimdir.
Güçlü yönler & sınırlılıklar
- İstatistiksel ön işlem yapmadan ilk saf sinirsel tahminci olarak M4 yarışmasında en gelişmiş doğruluğa ulaştı.
- Yorumlanabilir eğilim ve mevsimsellik yapılandırması, tahmin ayrıştırmasını okunabilir hale getirir.
- Dağılım-hafif: normal dağılımlı veri gerektirmez.
- Artık yığınlama, ağa karmaşık zamansal örüntüleri yakalama kapasitesi verir.
- Makul ölçüde uzun bir geçmiş gerektirir; küçük serilerde (yaklaşık 500 noktanın altında) yığın aşırı uyuma yapar.
- Çok kısa serilerde (yaklaşık 100 noktanın altında) bir sinirsel tahminci anlamsızdır ve klasik bir yöntem tercih edilir.
- Tahmin ufku ve girdi penceresi önceden seçilmelidir.
- Bir GPU önerilir, bu da hesaplama ve kurulum ek yükü getirir.
SSS
N-BEATS ne kadar veriye ihtiyaç duyar?
Makul ölçüde uzun bir geçmişe sahip seriler için tasarlanmıştır — en az yaklaşık 100 gözlem ve ideal olarak birkaç yüz. Kabaca 500 noktanın altında yığılmış bloklar aşırı uyuma eğilimindedir ve yaklaşık 100 noktanın altında bir sinirsel tahminci anlamlı değildir.
N-BEATS yorumlanabilir mi?
Yorumlanabilir yapılandırmasında bloklar bir eğilim yığını ve bir mevsimsellik yığınına gruplandırılır, böylece nihai tahmin bir eğilim kısmı ve bir mevsimsellik kısmının toplamıdır. Bu ayrıştırma, tahmini bir kara kutu olmaktan ziyade okunabilir hale getirendir.
Ne zaman ARIMA kullanmalıyım?
Çok kısa serilerde — yaklaşık 100 gözlemin altında — ARIMA gibi klasik bir istatistiksel yöntem daha güvenli bir seçimdir, çünkü bir sinirsel tahmincinin öğrenecek yeterli sinyali yoktur ve aşırı uyuma yapacaktır.
Eğitimden önce neyi ayarlamam gerekiyor?
Tahmin ufku ve girdi (geçmişe bakış) penceresini önceden sabitlemeniz gerekir ve pratik süre içinde eğitim için bir GPU önerilir.
Kaynaklar
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. link ↗
- Makridakis, S., Spiliotis, E. & Assimakopoulos, V. (2020). The M4 Competition: 100,000 Time Series and 61 Forecasting Methods. International Journal of Forecasting, 36(1), 54–74. DOI: 10.1016/j.ijforecast.2019.04.014 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/tr/deep-learning/nbeats
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARIMA (Autoregressive Integrated Moving Average) ModeliEkonometri↔ karşılaştır
- DeepARDerin öğrenme↔ karşılaştır
- BilgilendiriciDerin öğrenme↔ karşılaştır
- Rastgele OrmanMakine öğrenmesi↔ karşılaştır
- Temporal Fusion TransformerDerin öğrenme↔ karşılaştır