方法支柱 3 · 机器学习与现代预测

所属：方法论地图 03-methods.md · 文献：L-ML-01~13

成熟方法

• 梯度提升（LightGBM / XGBoost）
• LSTM / DeepAR、N-BEATS、Transformer 时序模型
• 时序基础模型：Chronos / TimesFM / Moirai / TimeGPT / Lag-Llama
• LLM 时序推理（Time-LLM、TSAIA 类基准）
• Conformal 区间（见 ../protocols/calibration-maintenance.md）

关键证据

• M4：组合获胜、纯 ML 未单点超越统计 [S]。
• M5：ML 首次整体胜出，外部协变量与异质性关键 [S]。
• Chronos/TimesFM/Moirai 零样本/少样本逼近或超越局部训练模型 [M]。
• 「时序基础模型尚未稳定全面超越强统计基线」是共识性争论 [M]。

适用条件

• 数据量大、有外部协变量、需要自动化流水线。

局限

• 小样本弱、可解释性差、分布漂移敏感；不能只报点误差。

AI 时代变化

• 基础模型是强基线也是组合成员；单模型 SOTA 不稳定，评估纪律更重要。

与 DSF 的关系

• 学科默认：ML/基础模型进入 DSF-Bench 的「扩展模型槽」（见 ../benchmarks/dsf-bench.md），用评估协议裁决。