Previsão por conjuntos com os modelos de séries temporais IBM Granite
O Granite Timeseries Ensemble da IBM combina quatro previsores Granite pré-treinados de arquiteturas diferentes para gerar previsões pontuais e por quantis sem retreinamento. No GIFT-Eval, o conjunto probabilístico teve o menor MASE entre seis previsões comparadas, por pequena margem.
O que diz o artigo
A IBM Research publicou em 22 de outubro de 2026, no blog da Hugging Face, o Granite Timeseries Ensemble: uma receita de previsão que combina quatro modelos de séries temporais Granite pré-treinados (PatchTST-FM-r1, PatchTST-FM-r2, FlowState-r1.1 e TTM-r3). Ela evita ter de escolher um único modelo para cada série e não exige retreinamento nem pesos de conjunto ajustados.
A receita devolve uma previsão mediana e quantis, de 0,1 a 0,9 por padrão. Existem dois métodos de agregação: probabilístico (recomendado) e IQR, que pondera pela dispersão. No GIFT-Eval (97 configurações), ambos os conjuntos superam cada um dos quatro modelos no MASE agregado. Os autores apontam limites: canais multivariados são previstos separadamente, o tempo e a memória de inferência aumentam e a calibração não é garantida. Recomendam testar com dados representativos antes do uso.
Ler o artigo oficial Ficha AnnuIA
Resumo escrito pela AnnuIA com suas próprias palavras, com base na página oficial de Hugging Face. O conteúdo e os direitos pertencem ao editor: consulte o artigo original.