TFB

收录理由

为真实部署挑选预测方法时，最让人头疼的是信任问题：论文往往在对自己有利的数据集和超参数上汇报结果，真正的公平对比少之又少。TFB 试图改变这一点——它在 27 个多变量数据集上，用一套统一受控的流程跑完几十种深度学习和统计基线，每个组合都配好调优后的超参数和可复现脚本。仓库还额外计算了趋势、季节性、平稳性、相关性等时序特征，帮你理解为什么某个方法在特定信号上更占优。配套的 OpenTS-Bench 排行榜持续更新最新结果，想比较主流 Transformer 风格预测器与新兴轻量级基线时，这里能提供可靠的参照。如果你需要用真实数据评估模型，这个项目能省去大量重复实验，直接拿到可复现的数字。