TSMixer：谷歌最新的预测模型
TSMixer：谷歌最新预测模型揭秘
探索TSMixer的架构并在Python中实现它进行长时间跨度的多变量预测任务
时序预测领域仍然充满活力，近年来有许多重要的贡献，例如N-HiTS、PatchTST、TimesNet和当然TimeGPT。
同时，Transformer架构在自然语言处理（NLP）领域释放了前所未有的性能，但这并不适用于时序预测。
事实上，提出了许多基于Transformer的模型，如Autoformer、Informer、FEDformer等。这些模型往往训练时间很长，结果表明简单的线性模型在许多基准数据集上表现更好（请参见Zheng et al., 2022）。
为此，2023年9月，Google Cloud AI Research的研究人员提出了TSMixer，这是一种基于多层感知机（MLP）的模型，专注于将时间和特征维度相结合以进行更好的预测。
在他们的论文《TSMixer：一种用于时间序列预测的全MLP架构》中，作者证明了该模型在许多基准数据集上达到了最先进的性能，并且实现起来简单。
在本文中，我们首先探索TSMixer的架构，以了解其内部工作方式。然后，我们使用Python实现该模型并进行自己的实验，将其性能与N-HiTS进行比较。
有关TSMixer的更多详细信息，请务必阅读原始论文。
使用我的免费时间序列Python中的Cheat Sheet专业代码 学习最新的时序分析技术！获取统计和深度学习技术的实现，全部使用Python和TensorFlow！
让我们开始吧！
探索TSMixer
在进行预测时，我们直观地知道使用交叉变量信息可以帮助做出更好的预测。
例如，天气和降水量可能会对游乐园的游客数量产生影响…
