N-BEATS

Descrição

N-BEATS é um modelo sofisticado baseado em rede neural, projetado especificamente para previsão de séries temporais univariadas. Representa uma contribuição significativa da ServiceNow Research, com origens que remontam à Element AI. O projeto visa fornecer uma implementação robusta do algoritmo N-BEATS, permitindo que pesquisadores e praticantes reproduzam os resultados experimentais apresentados no artigo associado.

O repositório é estruturado para facilitar o acesso e o uso. A implementação principal do modelo N-BEATS em PyTorch pode ser encontrada no arquivo `models/nbeats.py`. Para o manuseio de dados, os carregadores de dataset para vários datasets utilizados no artigo estão localizados no diretório `datasets/*.py`. O diretório `experiments/*` abriga as configurações experimentais necessárias para replicar os resultados do artigo, cada um contendo um script `main.py` para a lógica de treinamento e previsão, juntamente com arquivos de configuração para variantes de modelo genéricas e interpretáveis.

Resultados e métricas de desempenho são documentados no diretório `notebooks`, com um notebook dedicado para cada experimento. Esses notebooks exibem pontuações finais e insights sobre a eficácia de diferentes tamanhos de ensemble, observando que ensembles menores frequentemente produzem resultados comparáveis aos maiores. Esta implementação é descrita como uma versão 'mais leve' do N-BEATS original, oferecendo desempenho que geralmente está no mesmo nível de ponta, com variações ocasionais nos resultados.

O projeto enfatiza a reprodutibilidade através do Docker, tornando-o acessível para usuários com ou sem GPUs NVIDIA. O `Makefile` fornece comandos para inicializar a imagem Docker, baixar datasets, executar testes, construir experimentos e executar previsões tanto em CPU quanto em GPU. Instruções detalhadas são fornecidas para configurar o ambiente, construir a imagem Docker, baixar datasets e executar experimentos com parâmetros personalizáveis, como repetições e períodos de lookback. A saída dos experimentos, incluindo logs, perdas, snapshots e previsões finais, é armazenada no diretório `storage/experiments`.

N-BEATS é particularmente valioso para cientistas de dados, engenheiros de machine learning e pesquisadores envolvidos em análise de séries temporais, previsão e modelagem preditiva. Sua natureza interpretável e desempenho de ponta o tornam uma ferramenta poderosa para entender e prever tendências futuras em dados univariados em vários domínios.

Destaques de N-BEATS

• Modelo baseado em rede neural para previsão de séries temporais univariadas

• Implementação do algoritmo N-BEATS

• Resultados experimentais reproduzíveis

• Implementação em PyTorch disponível

• Carregadores de dataset para vários datasets

• Arquivos de configuração para modelos genéricos e interpretáveis

• Suporte Docker para configuração de ambiente

• Suporte para execução em CPU e GPU

• Instruções detalhadas para reprodução

• Armazenamento para logs de experimentos, perdas e previsões

Primeiros passos com N-BEATS

1. 1

   Configurar ambiente: Certifique-se de que o Docker está instalado e ajuste o Makefile para o seu ambiente.

2. 2

   Construir imagem Docker: Execute `make init` para construir a imagem Docker.

3. 3

   Baixar datasets: Execute `make dataset` para baixar os datasets necessários.

4. 4

   Construir um experimento: Use `make build config=<caminho_para_config.gin>` para gerar configurações de experimento.

5. 5

   Executar experimentos: Utilize `make run command=<caminho_para_comando>` para CPU ou `make run command=<caminho_para_comando> gpu=<id_gpu>` para GPU.

6. 6

   Obter estatísticas do experimento: Execute um notebook JupyterLab via `make notebook port=<porta>` para analisar o desempenho.

Casos de uso de N-BEATS

• Previsão de séries temporais
• Análise preditiva
• Previsão de demanda
• Previsão financeira
• Planejamento de recursos

Perguntas frequentes de N-BEATS

• O que é N-BEATS?

  N-BEATS é um modelo baseado em rede neural projetado para previsão de séries temporais univariadas, desenvolvido pela ServiceNow Research.

• Que tipo de dados de séries temporais o N-BEATS manipula?

  N-BEATS é projetado especificamente para previsão de séries temporais univariadas, o que significa que ele prevê uma única série temporal por vez.

• Como posso reproduzir os resultados experimentais apresentados no artigo N-BEATS?

  O repositório fornece o código necessário, carregadores de dataset e arquivos de configuração para reproduzir os resultados experimentais. O Docker é recomendado para a configuração do ambiente.

• Em qual linguagem de programação o N-BEATS é implementado?

  A implementação principal do N-BEATS neste repositório é em PyTorch.

• O N-BEATS é adequado para previsão de séries temporais multivariadas?

  Não, o N-BEATS é projetado para previsão de séries temporais univariadas. O 'N' em N-BEATS refere-se a 'Neural basis expansion analysis'.

• Posso executar o N-BEATS em uma CPU?

  Sim, o N-BEATS pode ser executado em uma CPU, embora o uso de GPUs NVIDIA seja preferível para uma execução mais rápida.

• Onde posso encontrar o artigo do algoritmo N-BEATS?

  O artigo que introduz o N-BEATS pode ser encontrado em https://arxiv.org/abs/1905.10437.

• Qual é a estrutura do repositório N-BEATS?

  O repositório inclui diretórios para modelos, datasets, experimentos e notebooks, juntamente com um Makefile para execução.

• Como o N-BEATS se compara a outros modelos de previsão?

  N-BEATS é descrito como uma versão 'mais leve' do modelo original, com desempenho no mesmo nível de ponta, com variações ocasionais.

• Quem desenvolveu o N-BEATS?

  N-BEATS é um projeto da ServiceNow Research que foi iniciado na Element AI.