Core Concepts
시계열 예측에서 특정 하이퍼파라미터의 중요성과 검증 전략의 영향을 분석하고, MLP 모델의 성능을 평가하는 연구 결과를 제시한다.
Abstract
시계열 예측의 중요성과 하이퍼파라미터 최적화에 대한 연구 결과를 제시
NLinear 모델의 성능과 Monash의 최고 모델인 TBATS와의 비교
검증 전략의 중요성과 재학습의 효과 분석
적절한 컨텍스트 길이와 하이퍼파라미터 중요성 평가
TSBench 메타데이터셋의 활용과 HPO 성능 평가
Stats
우리의 연구는 20개의 시계열 데이터셋에 대해 4860개의 구성을 평가하였다.
TSBench 메타데이터셋은 97200개의 평가를 포함하고 있다.
모델 아키텍처, 학습률, 가중치 감쇠 등의 하이퍼파라미터가 중요하다.
Quotes
"우리의 연구는 NLinear 모델이 Monash의 최고 모델 TBATS보다 우수한 성과를 보였다."
"재학습 전략에 대한 결과는 Re-OOS가 OOS에 비해 약간의 우위를 보였다."