Hacker News 의견

• 시계열에 초점을 맞춘 딥러닝 모델인 TimeGPT-1에 대한 기사
• 일부 댓글러들은 시계열 딥러닝 모델의 효과에 대해 의구심을 표현하며, 그들의 작업에서 다른 모델보다 유리하다고는 보지 못했다고 주장
• 딥러닝 모델이 고차원 데이터에서 뛰어나지만, 중차원 데이터의 경우 LightGBM/Xgboost가 더 좋고, 저차원 데이터에서는 (V)ARIMA/ETS/Factor 모델이 선호됨
• 트랜스포머는 시계열 데이터에 대한 해결책으로 보이지 않음, 이러한 데이터에서 새로운 중간 표현을 추출하지 못했기 때문
• TimeGPT-1에 대한 논문이 내용이 부족하고 중요한 정보가 빠져있다는 비판을 받음
• TimeGPT-1을 개발한 Nixtla의 Max가 댓글에 답하며, 논문이 사전 인쇄 버전이며 재현 가능한 실험 세트를 공개하는 데 작업 중이라고 밝힘
• Max는 또한 독립적인 실무자들이 그의 정확성을 검증할 수 있도록 TimeGPT-1의 무료 시험을 준비하고 있다고 언급
• 일부 댓글러들은 논문을 Nixtla의 제품에 대한 마케팅 자료로 보는 반면, 다른 일부는 동료 검토의 부재에 대해 우려를 표현
• 시계열 예측을 위한 Inverted Transformers에 대한 관련 기사 링크 공유
• 한 댓글러는 TimeGPT-1의 유용성에 의문을 제기하며, 그것은 계절성 나이브 모델보다 20-30% 더 나은 성능을 보여줄 뿐이라고 주장