darts: 時系列予測と異常検知のための統一された Python ライブラリ

解決する課題

Darts は、時系列予測と異常検知をシンプルにすることを目的とした Python ライブラリです。古典的な統計手法から最新のディープラーニングアーキテクチャまで、幅広いモデルに対して統一されたインターフェースを提供し、ユーザーが異なる予測手法を簡単に切り替え、組み合わせ、評価できるようにします。

仕組み

Darts は fit() と predict() 関数を持つ scikit-learn ライクな API を採用し、モデル種別間の一貫性を保ちます。単変量・多変量時系列の両方に対応し、過去に観測されたデータや将来既知の外部データ（共変量）の統合も可能です。ディープラーニングモデルは PyTorch Lightning を用いて実装されており、GPU/TPU の加速やカスタムトレーニングループが利用できます。また、データ処理、バックテスト、階層的な整合性を保つための階層的リコンシリエーションといったツールも備えており、データ階層の異なるレベル間で予測が一貫するようにします。

対象ユーザー

複数の系列を含む大規模データセットに対して、時系列分析、予測、異常検知を行う必要があるデータサイエンティストや ML エンジニアを対象としています。

ハイライト

• 統一 API: ARIMA のような統計モデルから N-BEATS のようなディープニューラルネットワークまで、一貫したインターフェースを提供。
• 多変量・グローバルモデル: 複数の時変次元に対応し、複数時系列に対して単一モデルで学習可能。
• 確率的予測: 信頼区間の生成やパラメトリック分布・分位点の推定が可能。
• 統合された異常検知: darts.ad モジュールで異常スコアラーや検知器を提供し、PyOD モデルのラッパーも含む。
• 外部データサポート: 過去観測、将来既知、静的な共変量をサポート。
• 拡張性: 任意の scikit-learn 互換モデルを予測に組み込める。
• 説明可能性: SHAP 値を用いた予測モデルの説明をサポート。

Summary

ユーザーフレンドリーな時系列予測と異常検知を実現する Python ライブラリで、ARIMA からディープニューラルネットワークまで幅広いモデルに対して統一インターフェースを提供します。

Title

darts: 時系列予測と異常検知のための統一された Python ライブラリ