pytorch-forecasting: 解釈可能なマルチホライズン時系列予測のためのハイレベル深層学習フレームワーク

解決する課題

PyTorch Forecasting は、最先端の深層学習アーキテクチャを用いた時系列予測のためのハイレベル API を提供します。複雑な時系列データの取り扱い、ニューラルネットワークの学習、実際の予測タスクへのデプロイをシンプルにします。

仕組み

PyTorch Lightning 上に構築されており、CPU や GPU での学習の複雑さを抽象化します。可変変換、欠損値、複数の履歴長を扱うための専用クラス TimeSeriesDataSet を使用します。ユーザーは Temporal Fusion Transformers (TFT)、N-BEATS、N-HiTS、DeepAR など、事前実装された複数のニューラルネットワークアーキテクチャから選択でき、マルチホライズン指標や Optuna によるハイパーパラメータチューニングで最適化できます。

対象ユーザー

時系列予測で最大限の柔軟性を求めるプロフェッショナルと、すぐに始められる合理的なデフォルトが欲しい初心者の両方を対象としています。

ハイライト

• 最先端モデル: Temporal Fusion Transformers、N-BEATS、N-HiTS、DeepAR の実装を含む。
• データ抽象化: 時系列メタデータと変換を管理する専用データセットクラス。
• スケーラブルな学習: PyTorch Lightning を活用し、自動ロギングとハードウェア横断的なシームレスなスケーリングを実現。
• 解釈可能性: 組み込みの解釈機能を持つモデルと、実測値と予測値の汎用可視化を提供。