使用表格先验拟合网络的零样本多元时间序列预测

表格基础模型，特别是像 TabPFN 这样的先验数据拟合网络，已经成为众多任务的主要竞争者，从数据插补到表格数据格式的标签预测，超越了基于树的模型的历史成功。这导致了对其在预测时间序列数据方面的适用性的调查，这些数据可以表述为表格问题。虽然最近这方面的工作取得了积极的成果，但大多数工作将多变量时间序列问题的处理限制为几个独立的单变量时间序列预测子问题，从而忽略了任何通道间的相互作用。为了克服这一限制，我们引入了一种使用表格基础模型进行多元时间序列预测的通用框架。我们通过将多元时间序列预测问题重新构建为一系列标量回归问题来实现这一目标，然后可以通过任何具有回归功能的表格基础模型来零样本地解决这些问题。我们使用 TabPFN-TS 主干展示我们的方法的结果，并将性能与当前最先进的表格方法进行比较。