时间序列预测问题通常比普通机器学习更棘手，不仅需要维持一个增量数据库，还需要实时预测的性能。最近MIT的研究人员发布了一个可以通过SQL创建机器学习模型的数据库，不用再发愁时序数据管理了！

论文地址：http://proceedings.mlr.press/v133/agarwal21a/agarwal21a.pdf

tspDB性能提升的主要原因是它采用了一种新颖的时间序列预测算法，这种算法在对多变量时间序列数据进行预测时特别有效。多变量指的是数据有一个以上的时间依赖变量，例如在天气数据库中，温度、露点和云量的当前值都依赖于其各自的过去值。该算法还可以估计多变量时间序列的波动性，以便为用户提供模型预测准确度的confidence。作者表示，即使时间序列数据变得越来越复杂，这个算法也能有效地捕捉到时间序列结构。

内容中包含的图片若涉及版权问题，请及时与我们联系删除