常见问题

关于 TimeGPT 的常见问题

目录

时间GPT

什么是 TimeGPT？ TimeGPT 是第一个用于时间序列预测的基础模型。它仅使用历史值作为输入，就可以在各种领域为新的时间序列生成准确的预测。该模型像人类阅读句子一样，从左到右顺序“读取”时间序列数据。它查看过去数据的窗口，我们可以把它看作是“标记”，然后预测下一个会发生什么。这种预测基于模型识别的模式，并将其外推到未来。除了预测，TimeGPT 还支持其他与时间序列相关的任务，例如假设场景、异常检测等等。
TimeGPT 是基于大型语言模型（LLM）吗？

不，TimeGPT 并不是基于任何大型语言模型。虽然它遵循在大量数据集上训练大型变换器模型的相同原则，但其架构是专门设计用于处理时间序列数据，并已经经过训练以最小化预测误差。

如何开始使用 TimeGPT？

要开始使用 TimeGPT，您需要在这里注册一个账户。您将收到一封电子邮件，要求您确认注册。确认后，您将能够访问您的仪表板，其中包含您账户的详细信息。

TimeGPT的可访问性如何？使用成本是多少？

要更深入地了解TimeGPT，请参考研究论文。虽然模型架构的某些方面仍然保密，但TimeGPT的注册对所有人开放。新用户将获得$1,000美元的免费积分，之后的使用费用基于令牌消耗。有关更多详细信息，请参考定价和账单部分。

我该如何使用TimeGPT?

  • 通过 Python SDK

  • 通过 TimeGPT API。有关如何使用不同语言调用API的说明，请参阅 API 文档

这两种方法都需要您拥有一个 API 密钥，该密钥在注册时获得，并可以在您的仪表板的 API 密钥 下找到。

TimeGPT API 密钥

什么是API密钥？

API密钥是一个唯一的字符字符串，用作在使用Nixtla SDK时验证您的请求的密钥。它确保提交请求的人是有权限这样做的。

我在哪里可以获得API密钥？ 注册后，您将收到一个API密钥，该密钥可以在您的仪表板中的API Keys下找到。请记住，您的API密钥是个人的，不应与任何人共享。
我该如何使用我的API密钥？

要将您的API密钥集成到开发工作流程中，请参考关于设置您的API密钥的教程。

我如何检查我的API密钥状态？

如果您想检查您的API密钥状态，可以使用NixtlaClient类的validate_api_key方法。

nixtla_client = NixtlaClient(
    api_key = 'my_api_key_provided_by_nixtla'
)

nixtla_client.validate_api_key()

如果您的密钥验证正确，这将返回

INFO:nixtla.nixtla_client:愉快的预测！:)，如果您有任何问题或需要支持，请发送电子邮件至 ops@nixtla.io

True
如果我的API密钥不验证该怎么办？

如果您验证API密钥时，它返回

False

  • 检查您的API密钥在您的仪表板上是否处于活动状态

  • 考虑您组织可能设置的任何防火墙。可能会有访问限制。如果是这样，您可以将我们的端点列入白名单。
    https://dashboard.nixtla.io/api 和 https://api.nixtla.io/

特性与功能

TimeGPT的输入是什么？

TimeGPT 接受以 长格式 的 pandas 数据框，必须包含以下列：

  • ds（时间戳）：时间戳格式为 YYYY-MM-DD 或 YYYY-MM-DD HH:MM:SS。
  • y（数值型）：要预测的目标变量。

（可选地，您也可以传递没有 ds 列的 DataFrame，只要它具有 DatetimeIndex）

TimeGPT 还支持 分布式数据框，如 dask、spark 和 ray。

TimeGPT能处理多个时间序列吗？

可以。有关如何同时预测多个时间序列的指导，请参阅多个序列教程。

TimeGPT支持使用外生变量进行预测吗？

是的。有关如何将外生变量纳入TimeGPT的说明，请参阅外生变量教程。具体而言，关于如何处理日历日期，您可以查看节假日和特殊日期教程。对于分类变量，请参考分类变量教程。

TimeGPT可以用于异常检测吗？

可以。要学习如何使用TimeGPT进行异常检测，请参阅异常检测教程。

TimeGPT 支持交叉验证吗？

是的。要了解如何使用 TimeGPT 进行交叉验证，请参考 交叉验证 教程。

Can TimeGPT be used to forecast historical data?

是的。要了解如何使用 TimeGPT 进行历史数据预测，请参阅 历史预测 教程。

TimeGPT 可以用于不确定性量化吗？

可以。有关更多信息，请查看 预测区间 和 分位数预测 教程。

TimeGPT 可以处理大数据集吗？

可以。当处理包含数十万或数百万时间序列的大数据集时，我们建议使用分布式后端。TimeGPT 兼容多个 分布式计算框架，包括 Spark、Ray 和 Dask。只要使用分布式后端，TimeGPT 的 SDK 和 API 在数据集大小上没有限制。

TimeGPT可以用于有限/短数据吗？

TimeGPT 支持任意数量的数据来生成点预测，并能够仅通过每个序列的一个观测值进行结果生产。当使用诸如 level、finetune_steps、X_df（外部变量）或 add_history 等参数时，根据数据的频率，可能需要额外的数据点。有关更多详细信息，请参阅数据要求教程。

TimeGPT允许的最大预测期限是多少？

虽然TimeGPT没有最大预测期限，但随着预测期限的增加，其性能会下降。当预测期限超过数据的季节长度（例如，对于每月数据超过12个月）时，您将收到以下消息：WARNING:nixtla.nixtla_client:指定的期限"h"超过了模型期限。这可能导致预测不够准确。请考虑使用更小的期限。

有关详细信息，请参考时间序列中的长期预测的教程。

TimeGPT 能处理缺失值吗？

TimeGPT 不能处理缺失值或具有不规则时间戳的序列。有关更多信息，请参见 处理不规则时间戳的时间序列预测 和 处理缺失值 教程。

我如何绘制TimeGPT预测？

NixtlaClient类具有一个plot方法，可以用于可视化预测。此方法仅在交互环境中有效，例如Jupyter笔记本，而在Python脚本中无法使用。

TimeGPT 是否支持 polars？

目前，TimeGPT 不支持 polars。

TimeGPT产生稳定的预测吗？

TimeGPT 的设计旨在实现稳定性，确保对于相同的输入数据产生一致的结果。这意味着，给定相同的数据集，模型将生成相同的预测。

微调

什么是微调？

TimeGPT 是在最大的公开可用时间序列数据集上训练的，涵盖了金融、零售、医疗等多个领域。这种全面的训练使 TimeGPT 能够在没有额外训练的情况下，为新的时间序列生成准确的预测，这种能力被称为零-shot学习。

虽然零-shot模型提供了一个稳固的基准，但通过微调，TimeGPT 的性能通常可以得到改善。在这个过程中，TimeGPT 模型使用您的特定数据集进行额外训练，从预训练参数开始。更新后的模型随后生成预测。您可以使用 NixtlaClient 类中的 forecast 方法中的 finetune_steps 和 finetune_loss 参数来控制微调的训练迭代次数和损失函数。

有关如何应用微调的详细指南，请参阅 微调 和 使用特定损失函数的微调 教程。

我需要对每个系列进行微调吗？

不，您不需要单独对每个系列进行微调。当使用 finetune_steps 参数时，模型会同时对数据集中的所有系列进行微调。这种方法采用交叉学习的方式，使模型能够同时从多个系列中学习，从而改善单个预测。

请记住，选择合适的微调步数可能需要一些反复尝试。随着微调步数的增加，模型会变得更加专注于您的数据集，但训练时间会更长，并且可能更容易过拟合。

我可以保存微调参数吗？

目前，无法保存微调参数以供后续使用。这意味着无论是使用Python SDK还是API，每次提交数据时都需要进行微调。

定价与账单

定价是如何运作的？

TimeGPT 采用统一费率的订阅定价结构。我们目前提供早期用户订阅计划的特别价格，并有 30 天的免费试用期。您可以随时取消订阅。

  • 每月 $99，最多可进行 10,000 次 API 调用
  • 每月 $300 增加高级支持。为优先支持、最佳实践指导和功能优先级提供专用的 Slack/Teams 通道。注册以获取我们的专家团队的专业建议和专属服务。

开始您的免费试用

有关 Azure 上 TimeGEN-1 的定价，请参见有关令牌计数的部分。

是否有免费积分或折扣？

访问是通过我们的固定费用订阅计划。我们确实为学术研究提供一些积分。如果您想了解更多信息，请通过电子邮件与我们联系：ops@nixtla.io。

如何计算令牌？（AzureAI）

一个令牌对应于数据集的一个行。当使用外生变量时，一个令牌等于一行乘以额外列的数量，不包括 unique_id 和 ds 列。例如，在 TimeGPT 快速入门 中使用的 AirPassengers 数据集包含 144 行，对应于 144 个令牌。在 外生变量 教程中，按小时计算的电价数据集有 8,400 行。由于它包含 9 个外生变量，因此总共为 84,000 个令牌（8,400 行 x 10 列，包括目标）。此外，您还需要考虑外生变量的未来值，这些值在一个包含 120 行和 9 列的数据集中，增加了 1,080 个令牌（120 x 9）。因此总共为 85,080 个令牌。

此外，无论是否存在外生变量，您都必须在令牌计数中包括微调步骤和预测范围的数量，每个步骤或预测值代表一个额外的令牌。例如，如果预测范围是 24 而您有 5 个序列，这将增加 120 个额外的令牌（24 个预测值 x 5 个序列）。

对于高频数据，我们建议尽可能修剪输入。例如，在处理分钟级数据时，考虑将时间段修剪到最近一小时以降低成本。

在您的 仪表板 的 使用情况 部分，您可以找到详细的令牌消耗历史记录，帮助您有效跟踪和管理使用情况。

什么被算作API调用？

API调用是向TimeGPT发出请求以执行某个操作，如预测或检测异常，或获取模型的元数据。

例如，如果我们使用timegpt-1模型预测每月数据，那么第一次执行此操作将产生2个API调用： - API调用 #1：获取模型的元数据 - API调用 #2：执行预测操作。 再次调用预测方法，使用相同的频率和模型仅算作1个API调用。

然而，如果我们在其他频率上进行预测，或者使用timegpt-1-long-horizon模型，则将产生2个API调用，因为必须在运行预测的基础上获取新的元数据。

我们还可以使用forecast方法中的add_history=True参数获取历史预测。这将导致2个API调用。

然后，如果API调用需要发送超过200MB的数据，API将返回错误，并要求您使用num_partitions参数来对请求进行分区。每个分区都将算作一个API调用，因此对于2个分区，将会有2个API调用。

如果我们执行交叉验证，无论窗口的数量多少，始终算作1个API调用。

示例 1. 一位用户第一次使用TimeGPT预测每日数据，使用timegpt-1模型。产生了多少个API调用？(答: 2) 2. 上述同一用户在相同数据集上调用cross_validation方法，使用相同的模型。产生了多少个API调用？(答: 1) 3. 该用户现在决定在更长的时间范围内进行预测，因此他们使用timegpt-1-long-horizon模型。产生了多少个API调用？(答: 2) 4. 用户现在获得了一个非常大的数据集，频率为每日，且在预测时必须设置num_partitions=4。产生了多少个API调用？(答: 4)

账单如何工作？

账单通过Stripe处理。我们与Stripe合作处理所有付款事务。您可以在您的仪表板中查看您的发票和付款历史，在账单部分。

隐私与安全

你如何确保我的数据的隐私和安全？

在Nixtla，我们非常重视您的隐私和安全。为了确保您充分了解我们关于您数据的政策，请参考以下文件：

此外，我们目前正在开发一个自托管版本的TimeGPT，专门针对企业数据的独特安全需求。此版本目前处于测试阶段。如果您有兴趣了解这个选项，请通过ops@nixtla.io与我们联系。

故障排除

以下部分包含一些常见的错误和警告

错误信息：无效的 API 密钥 
ApiError: status_code: 401, body: {'data': None, 'message': '无效的 API 密钥', 'details': '找不到密钥', 'code': 'A12', 'requestID': 'E7F2BBTB2P', 'support': '如果您有问题或需要支持，请发送电子邮件至 ops@nixtla.io'}

解决方案： 当您的 TimeGPT API 密钥无效或未正确设置时，会出现此错误。请使用 validate_api_key 方法来验证密钥，或确保它是从您的 仪表板 的 API 密钥 部分正确复制的。

错误信息：请求过多 
ApiError: status_code: 429, body: {'data': None, 'message': '请求过多', 'details': '您需要添加支付方式才能继续使用API，请从 https://dashboard.nixtla.io 添加', 'code': 'A21', 'requestID': 'NCJDK7KSJ6', 'support': '如果您有任何问题或需要支持，请发送邮件至 ops@nixtla.io'}

解决方案： 当您耗尽了免费积分时，会发生此错误，您需要添加支付方式才能继续使用 TimeGPT。您可以在您的 仪表板 的 账单 部分添加支付方式。

错误信息：WriteTimeout

解决方案： 如果您遇到 WriteTimeout 错误，这意味着请求已超过允许的处理时间。处理大型数据集时，这是一个常见问题。要解决此问题，请考虑在 NixtlaClient 类的 forecast 方法 中增加 num_partitions 参数，或者使用分布式后端（如果尚未使用的话）。

额外支持

如果您有任何其他问题或需要支持，请通过以下方式联系：

  • 在 GitHub 上打开一个 问题，以询问技术问题或报告错误。
  • 发送电子邮件至 ops@nixtla.io 以获得一般咨询或支持。
  • 加入我们的 Slack 社区，与我们的团队和预测社区进行互动。

Give us a ⭐ on Github