LongxingTan/Time-series-prediction

何を解決するか

TFTS (TensorFlow Time Series) は、予測、分類、異常検出などの時系列タスクを実装するための統合的で使いやすいインターフェースを提供します。古典的および最先端のディープラーニングモデルを時系列データに適用するプロセスを簡素化し、TensorFlow や Keras でトレーニングおよび評価パイプラインをセットアップするためのボイラープレートコードを削減します。

仕組み

このライブラリは AutoModel と AutoConfig システムを使用して、ユーザーが異なるモデルアーキテクチャ間を素早く切り替えることを可能にします。RNN、Transformers、Informer、Autoformer、N-beats など、幅広いアーキテクチャをサポートしています。ユーザーは NumPy 配列、tf.data.Dataset、または tf.keras.utils.Sequence などのさまざまな形式でデータを提供でき、KerasTrainer を使ってトレーニングループと結果の可視化を処理できます。

対象ユーザー

研究者、業界の専門家、コンペティション参加者など、TensorFlow エコシステムを使って時系列モデルを迅速に実装・トレーニングしたい方々に最適です。

特徴

• 広範なモデル対応: Informer、Autoformer、TCN、BERT、Temporal Fusion Transformer (TFT) などの最先端モデルを含みます。
• 柔軟なデータ入力: NumPy 配列や TensorFlow データセットなど、複数のデータ形式をサポートします。
• カスタマイズ性: TFTS のバックボーンを活用し、カスタム埋め込み層やタスク固有のヘッド層を組み合わせてカスタムモデルを構築できます。
• 実証されたパフォーマンス: KDD Cup 2022 や Tianchi-ENSO 予測コンペティションの優勝エントリで実際に使用されています。