tsai: 時系列およびシーケンシャルデータのための、膨大なSOTAモデルコレクションを備えたディープラーニングライブラリ

何を解決するか

tsaiは、時系列およびシーケンシャルデータに対する最先端（SOTA）技術の実装を簡素化するために設計されたディープラーニングライブラリです。分類、回帰、予測、および補完といったタスクのための統一されたフレームワークを提供し、これらのモデルの構築とトレーニングの複雑さを軽減します。

仕組み

PyTorchとfastaiの上に構築されたtsaiは、トレーニングと推論のための高レベルAPIを提供します。LSTMs、GRUs、Transformers（PatchTSTやTSTなど）、およびInceptionTimeやMiniRocketのような時系列に特化したモデルを含む、幅広いモデルアーキテクチャをサポートしています。このライブラリは、SlidingWindowやTSStandardizeなどのツールを通じてデータ準備を処理し、時系列モデルに対しては3D配列形式（[samples x variables x sequence length]）の入力データを想定しています。

対象ユーザー

予測や分類タスクのために時系列データにディープラーニングを適用する必要があるデータサイエンティスト、MLエンジニア、および研究者。

ハイライト

• 広範なモデルズー: 従来のRNNから最新のTransformersやCNNsまで、膨大な数のSOTAモデルが含まれています。
• 包括的なデータセットへのアクセス: 分類、回帰、および予測のために、200以上の単変量および多変量データセットをダウンロードするための組み込みサポートを提供します。
• 柔軟な予測: 単変量および多変量入力/出力の両方に対して、シングルステップおよびマルチステップの先読み予測をサポートします。
• 統合されたパイプライン: モデルの精度と評価を向上させるために、sklearn型のパイプライン変換とウォークフォワード交差検証を提供します。