Timestral1 Timestral 사용법, 미스트랄 시계열 예측 모델을 CPU에서 ARIMA와 직접 비교했습니다 ARIMA 같은 기존 모델로 시계열을 예측하려면,데이터가 몇 개월 주기로 반복되는지(Seasonality)와 로그 변환 같은 전처리를 사람이 먼저 정해야 합니다.시계열 Foundation Model은 이런 설정 없이 과거 값만 넣어 예측하므로,이 과정을 얼마나 줄여 주는지 궁금했습니다. 미스트랄(Mistral)의 Timestral을 CPU에서 실행하고,월별 항공 승객 시계열 데이터로 ARIMA와 비교했습니다.평균 오차뿐 아니라 예측 구간이 실제 값을 얼마나 포함하는지도 확인했습니다. 결론부터이번 실습에서는 Timestral-209M의 예측 오차가 가장 작았습니다.MAE는 34.10천 명으로,Seasonality를 반영한 SARIMA(log)의 39.44천 명보다 약 13.5% 낮았습니다.모델 차수나 로그.. 2026. 10. 20. 이전 1 다음
