IBMは2026年10月21日(現地時間)、複数の事前学習済みモデルを組み合わせて時系列予測を行う新ソリューション「Granite Timeseries Ensemble」の提供を発表した。このアンサンブルモデルは、機械学習コミュニティのプラットフォームであるHugging Face を通じて公開され、予測精度の向上と、個々のモデル選択に伴う不確実性の軽減を目指す。
Granite Timeseries Ensembleは、多様な特性を持つ四つのGraniteアーキテクチャを組み合わせて予測に活用する。これらのアーキテクチャには、Patched Transformer、Patched Conformer、State-space model、Tiny Time Mixers (MLP mixer)が含まれる。
本ソリューションは、個別のモデルを再学習させることなく、中央値と分位点予測を提供する。主な組み合わせ手法として、Probabilistic Ensemble (uniform probability pooling)とIQR Ensemble (adaptive weighting based on forecast spread)の二つが用意されている。Probabilistic Ensembleは各メンバーモデルに均等な影響を与え、IQR Ensembleは予測のばらつきに応じてメンバーの重みを調整する。
ハギングフェイスからはibm-granite/granite-timeseries-ensemble-r1として提供され、Pythonのパッケージ管理システムであるpipコマンドでインストールが可能である。GIFT-Evalデータセットの97構成における評価では、両アンサンブル手法が個々のモデルと比較して、平均絶対誤差 (MASE) およびCRPS/MWQLのスコアとランクにおいて優位性を示した。
参考: Hugging Face Blog (アーカイブ) — 2026年10月22日 14:14 (JST)