google-research/timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
📈 Star 增长趋势（本站收录历史）
google-research/timesfm
🤖 深度介绍
它是什么
TimesFM 是 Google Research 发布的时间序列基础模型，专为预测任务设计。它像语言大模型一样，在大量时序数据上预训练，然后零样本适配各类预测场景。
核心亮点
- 零样本预测：无需微调即可直接用于新数据集，开箱即用
- 长序列支持：可处理数千时间步的上下文，预测未来多个周期
- 轻量高效：模型体积远小于通用大模型，推理成本低
- 多领域泛化：覆盖零售、金融、能源、天气等异构时序数据
为什么火
时间序列预测长期依赖手工特征和逐任务训练，TimesFM 首次将“预训练+微调”范式带入该领域，显著降低了应用门槛。3.1 万星标印证了社区对“时序 GPT”的强烈期待，其 Apache-2.0 许可也让商业落地毫无阻碍。
适合谁用
- 数据科学家：快速构建销售、流量、库存预测基线
- 量化团队：探索金融指标的多步前瞻预测
- IoT/运维工程师：对设备指标进行异常预警与容量规划
- 学术研究者：对比新模型与强基线的效果
快速上手
pip install timesfm
import timesfm
model = timesfm.TimesFm(hparams=timesfm.TimesFmHparams(context_len=512))
model.load_from_checkpoint("google/timesfm-2.0-200m-pytorch")
forecast = model.forecast(input_series, freq=[0]) # 返回预测数组
只需提供历史数值列表，即可获得未来预测结果。