研究人員近日設計了一個對用戶友好的界面，幫助非專家人士利用隨時間收集的數據進行預測。目前使用時間序列數據進行預測通常需要幾個數據處理步驟和使用複雜的機器學習算法，這些算法的學習曲線非常陡峭，非專業人士不容易掌握。
為了使這些強大的工具更加方便用戶使用，麻省理工學院的研究人員開發了一個系統，在現有的時間序列數據庫之上直接整合預測功能。他們的簡化界面，他們稱之為 tspDB（時間序列預測數據庫），在幕後完成了所有複雜的建模，因此非專業人士只需幾秒鐘就能輕鬆生成預測結果。
麻省理工學院的研究人員創造了一個工具，使人們只需敲幾下鍵盤就能利用多個時間序列數據做出高度準確的預測。他們的工具核心的強大算法可以將多個時間序列轉化為張量，這是一個多維的數字陣列（如圖）。
之所以 tspDB 可以成功，原因之一是它採用了一種新穎的時間序列預測算法。電氣工程和計算機科學（EECS）研究生 Abdullah Alomar 解釋說，他和他的合著者在最近的一篇研究論文中描述了這種算法。這種算法在對多變量時間序列數據進行預測時特別有效，這些數據有一個以上的時間依賴變量。例如，在一個天氣數據庫中，溫度、露點和雲量分別取決於其過去的數值。
高級作者 Devavrat Shah 說：“即使時間序列數據變得越來越複雜，這個算法也能有效地捕捉到外面的任何時間序列結構”。他是EECS的Andrew和Erna Viterbi教授，數據、系統和社會研究所以及信息和決策系統實驗室的成員。