IBM bundelt vier Granite-modellen voor tijdreeksvoorspellingen
IBM Research beschrijft via de Hugging Face Blog Granite Timeseries Ensemble, een recept dat vier vooraf getrainde Granite-architecturen combineert. Het doel is de keuze tussen afzonderlijke tijdreeksmodellen eenvoudiger te maken, niet om te claimen dat het ensemble voor iedere dataset de beste voorspeller is.
Wat is er aangekondigd?
De bron presenteert een interface die puntvoorspellingen en kwantielvoorspellingen teruggeeft. De standaardconfiguratie gebruikt vier modellen met verschillende architecturen: PatchTST-FM-r1, PatchTST-FM-r2, FlowState-r1.1 en TTM-r3. Volgens de bron worden de modellen bij het eerste gebruik opgehaald; het ensemble bewaart dus vooral de configuratie en niet één samengevoegd modelgewicht.
De aanbevolen Probabilistic Ensemble geeft elk lid gelijke invloed en combineert de kwantielvoorspellingen in de kansruimte. Er is daarnaast een IQR Ensemble, waarin de invloed per voorspelling varieert op basis van de voorspelde spreiding. De bron waarschuwt dat een smallere band niet automatisch nauwkeuriger of beter gekalibreerd is.
Feitenmatrix
| Claim | Beoordeling |
|---|---|
| Het recept combineert vier Granite-architecturen. | Expliciet beschreven in de primaire bron. |
| De interface levert punt- en kwantielvoorspellingen. | Expliciet beschreven; de bron noemt onder meer kwantielen van 0,1 tot 0,9 als standaardbereik. |
| Het ensemble is altijd nauwkeuriger dan elk afzonderlijk model. | Niet bewezen. De bron adviseert vergelijking op representatieve data, omdat nauwkeurigheid en kalibratie afhangen van reeks en horizon. |
| De IQR-variant is betrouwbaar omdat de intervallen smaller zijn. | Niet bewezen; de bron noemt juist het risico op overconfidence. |
Wat ontwikkelaars eraan hebben
Teams kunnen met de Probabilistic Ensemble beginnen en die uitkomst vergelijken met de IQR-variant op eigen reeksen en horizons. Dat is een evaluatieadvies, geen onafhankelijke benchmark. De praktische winst zit volgens de bron vooral in één herbruikbare interface en een expliciete keuze tussen gelijke en adaptieve aggregatie.