卡内基梅隆大学 发布 TimeSeriesGym 数据集, 应用在 时间序列分析、机器学习评估 领域

卡内基梅隆大学 本次发布的数据集 TimeSeriesGym, TimeSeriesGym是一个可扩展的基准测试框架，用于评估人工智能代理在时间序列机器学习工程挑战中的能力。该数据集目前包含34个挑战，涵盖8个独特的时间序列问题，涉及超过15个领域。数据集的设计旨在评估AI代理在数据处理、模型开发、代码迁移等方面的能力，并通过定量和定性的评估方法对代理的输出进行全面的评价。TimeSeriesGym旨在解决现有基准测试框架的局限性，例如缺乏可扩展性、过于依赖模型构建和评估方法的单一性。该数据集的创建过程涉及到从Kaggle竞赛、GitHub存储库和手工设计的任务中收集和设计挑战。TimeSeriesGym适用于各种类型的代理，并可用于评估机器学习工程中的人工智能代理的能力。

查看TimeSeriesGym

README 内容： 

关于 卡内基梅隆大学 , 卡内基梅隆大学（Carnegie Mellon University，简称CMU）是一所位于美国宾夕法尼亚州匹兹堡的私立研究型大学，以其在计算机科学、人工智能、工程、商学院等领域的研究和教学而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。