MOMENT-1-large：革命性时间序列基础模型，零代码实现预测、分类与异常检测

MOMENT-1-large：革命性时间序列基础模型，零代码实现预测、分类与异常检测

【免费下载链接】MOMENT-1-large项目地址: https://ai.gitcode.com/hf_mirrors/AutonLab/MOMENT-1-large

MOMENT-1-large 是 Auton Lab 开发的革命性时间序列基础模型，作为 MOMENT 模型家族的重要成员，它能零代码实现预测、分类与异常检测等多种时间序列分析任务，为新手和普通用户提供了强大且易用的时间序列处理工具。

🌟 MOMENT-1-large 模型简介

MOMENT 是一个通用时间序列分析基础模型家族，MOMENT-1-large 作为其中的大型版本，具有以下显著特点：

• 多任务支持：可作为多种时间序列分析任务的构建模块，如预测、分类、异常检测和插补等。
• 开箱即用：无需（或只需少量）特定任务示例即可有效工作，支持零样本预测、少样本分类等场景。
• 可微调性：能够使用分布内和特定任务数据进行调优，以提高性能。

该模型由卡内基梅隆大学的 Auton Lab 开发，采用 MIT 许可证，模型类型为时间序列基础模型。

🚀 快速开始使用 MOMENT-1-large

🔧 环境准备

推荐使用 Python 3.11 版本，你可以通过 pip 安装momentfm包：

pip install momentfm

或者直接从 GitHub 仓库安装最新版本：

pip install git+https://github.com/moment-timeseries-foundation-model/moment.git

📋 主要任务实现

预测任务

通过以下代码片段加载预训练模型进行预测任务：

from momentfm import MOMENTPipeline model = MOMENTPipeline.from_pretrained( "AutonLab/MOMENT-1-large", model_kwargs={ 'task_name': 'forecasting', 'forecast_horizon': 96 }, ) model.init()

分类任务

加载模型进行分类任务的代码如下：

from momentfm import MOMENTPipeline model = MOMENTPipeline.from_pretrained( "AutonLab/MOMENT-1-large", model_kwargs={ 'task_name': 'classification', 'n_channels': 1, 'num_class': 2 }, ) model.init()

异常检测与插补任务

对于异常检测、插补等任务，可使用以下方式：

from momentfm import MOMENTPipeline model = MOMENTPipeline.from_pretrained( "AutonLab/MOMENT-1-large", model_kwargs={"task_name": "reconstruction"}, ) model.init()

📚 模型详细信息

🔍 模型配置

MOMENT-1-large 的配置信息存储在 config.json 文件中，其中关键参数包括：

• "seq_len": 512：序列长度
• "patch_len": 8：补丁长度
• "patch_stride_len": 8：补丁步长
• "transformer_backbone": "google/flan-t5-large"： transformer 骨干网络

📝 教程资源

为帮助用户快速上手，项目提供了丰富的教程和可重现实验：

• 预测：forecasting.ipynb
• 分类：classification.ipynb
• 异常检测：anomaly_detection.ipynb
• 插补：imputation.ipynb
• 表示学习：representation_learning.ipynb
• 真实世界心电图（ECG）案例研究：ptbxl_classification.ipynb

📥 获取模型

你可以通过克隆仓库获取 MOMENT-1-large 模型：

git clone https://gitcode.com/hf_mirrors/AutonLab/MOMENT-1-large

📄 引用

如果使用 MOMENT 模型，请引用相关论文：

@inproceedings{goswami2024moment, title={MOMENT: A Family of Open Time-series Foundation Models}, author={Mononito Goswami and Konrad Szafer and Arjun Choudhry and Yifu Cai and Shuo Li and Artur Dubrawski}, booktitle={International Conference on Machine Learning}, year={2024} }

MOMENT-1-large 作为一款强大的时间序列基础模型，为时间序列分析领域带来了新的可能，无论是新手还是专业用户，都能借助它轻松实现各种时间序列任务。赶快尝试使用，开启你的时间序列分析之旅吧！

【免费下载链接】MOMENT-1-large项目地址: https://ai.gitcode.com/hf_mirrors/AutonLab/MOMENT-1-large