IBM, 그래나이트 시계열 앙상블 공개
최근 30일 조회수 —좋아요 —핵심 요약
서로 다른 구조의 사전학습 모델 4종을 재학습 없이 결합해 중앙값과 분위수 예측을 제공한다.

IBM 리서치가 사전학습 시계열 모델 4종을 결합한 ‘Granite Timeseries Ensemble’을 허깅페이스 블로그에 공개했다. 별도 재학습이나 앙상블 가중치 학습 없이 중앙값과 분위수 예측을 내놓아, 데이터 특성마다 적합한 단일 모델을 골라야 하는 부담을 줄이는 방식이다.1
기본 구성은 서로 다른 구조를 쓴 Granite PatchTST-FM-r1(패치 트랜스포머), PatchTST-FM-r2(패치 콘포머), FlowState-r1.1(상태공간 모델), TTM-r3(Tiny Time Mixers)를 묶는다. IBM은 우선 균등 확률 풀링 방식의 확률적 앙상블을 쓰고, 적응형 사분위 범위(IQR) 앙상블과 비교할 것을 권했다. 기본 분위수 범위는 0.1~0.9이며, 0.1과 0.9 분위수는 명목상 80% 예측 구간을 나타낸다.
이 구성은 granite-tsfm>=0.3.11에서 불러올 수 있고 허용적 라이선스로 제공된다. 다만 저장소에는 병합된 가중치가 아니라 앙상블 설정이 담겨 있어 첫 실행 때 모델 4개의 체크포인트를 내려받아야 한다. 또한 앙상블의 효과는 구성 모델의 품질과 다양성에 좌우된다.
Footnotes
-
Hugging Face 블로그·커뮤니티, 「Ensemble forecasting with IBM Granite time-series models」 ↩
읽기 목록은 이 브라우저에 저장됩니다.
출처
- Ensemble forecasting with IBM Granite time-series models — Hugging Face 블로그·커뮤니티 · 자료: 2026. 10. 22.
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.