★. はじめに
みなさん、こんにちは。AITの林です。
普段は、SPSS製品全般を活用した、データ分析や分析環境の構築の支援を担当しています。
さて、今回TechXchange CommunityのBlogに初めて記事を書いてみようと思います。
題材は、昨年IBMよりリリースされた、Granite Time Series Modelです。
ただ、そのままPythonで利用するのは私のSPSS愛に反するので、SPSS Modelerでこのモデルを活用していこうと思います。
と、ここまで書いておきながら誠に恐縮ですが、すでに Qiita の方に記事をアップしております。
Part4以降も記事は続いていく予定なのですが、Part4まではHugging Face に公開されているモデルをローカルで実行する記事になります。
・SPSS ModelerでIBM Granite Time Series Modelを使って時系列予測をしてみる
ここからは、記事の内容を簡単にご紹介させていただきます。
★. 記事の概要
IBMより以下のとおり発表されております。
-
- IBM Researchが開発したコンパクトな多変量時系列予測の基盤モデル
- CPUのみでも実行可能な軽量モデルを提供
- Apache 2.0ライセンスでオープンソースとして公開
- Watsonx.ai上のものをAPIで呼び出して利用可能
- Hugging Faceでもモデルを公開
以下が、Hugging FaceのURLです。
IBM Granite Time Series Modelのマニュアルは以下のURLで公開されています。
・Granite時系列モデルの主な特長
-
- 軽量＆柔軟性高:100万パラメータ以下の軽量モデルとなっており、リソースが限られた環境でも高速に動作。
- 多様な入出力対応:分単位・時間単位などの細やかな時間粒度、複数ターゲット列をサポート。
- Zero-shot予測対応:公開データ約7億ポイントで事前学習済み、追加学習なしでも良好な予測性能を発揮。
2. Part1の内容
準備編です。使用するために必要な各種ライブラリの導入やモデルの利用方法などを紹介しています。
3. Part2の内容
Granite Time Series Modelはすでに学習済みのモデルになります。
そのためここでは、モデルはそのまま使い、Zero-Shotで活用する方法を紹介しています。
予測結果の取得部分がちょっと癖があるので、参考になれば。
4. Part3 & Part4 の内容
2回にわたり、モデルに特徴量となるデータを追加し、Fine-Tuningして利用する方法を紹介しています。
残念ながら、ストリームを保存して再度開くとノードが灰色に変わり再利用ができなくなってしまう事象が発生しています。
※.モデルを保存する処理を記述しているのですが、これが原因かもしれません。m(_ _)m
私の非力なPCですと、Fine-Tuningは厳しいですがなんとか乗り越えました。
以上が簡単な紹介になります。
Pythonシンタックスの説明ばかりになってますが、参考にしていただければと思います。
★. 最後に
Qiita等ではソフトウェアの基本機能の説明というより、基本機能でカバーできていない部分のTIPSを発信できればと思い記事を書いています。m(_ _)m
※. ほぼ拡張ノードの利用ですが。。。。
基本機能の紹介は、IBM西牧さんや、IBM河田さんの記事が充実しています！
今後も不定期ですが、記事を紹介できればと思っています。宜しくお願いします。
林 啓一郎
株式会社AIT
開発事業本部 ソリューション戦略第２部