MSE: 0.194MAE: 0.355
Papers with Code · CC BY-SA 4.0
Time Series Forecasting
Time Series Forecasting is the task of fitting a model to historical, time-stamped data in order to predict future values. Traditional approaches include moving average, exponential smoothing, and ARIMA, though models as various as RNNs, Transformers, or XGBoost can also be applied. The most popular benchmark is the ETTh1 dataset. Models are typically evaluated using the Mean Square Error (MSE) or Root Mean Square Error (RMSE).
<span style="color:grey; opacity: 0.6">( Image credit: ThaiBinh Nguyen )</span>
개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.
벤치마크
Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.
Dataset기록된 모델 예시MetricPaperCode
데이터셋
134개논문
MSE: 0.391
MSE: 0.171MAE: 0.336
MSE: 0.204MAE: 0.367
MSE: 0.166MAE: 0.323
MSE: 0.2088MAE: 0.371
MSE: 0.166MAE: 0.332
MSE: 0.166MAE: 0.329
MSE: 0.18MAE: 0.345
MSE: 1.226MAE: 0.653
라이브러리
Papers with Code 리더보드 row에 연결된 구현 저장소입니다.