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の実装を簡素化します。古典的かつ最先端のディープラーニングモデルに一貫したインターフェースでアクセスでき、複雑な時系列アーキテクチャの構築と実験に必要な作業を削減します。

動作方法

TensorFlow と Keras に基づいて構築されており、AutoModel と AutoConfig システムを使用して、モデル名の文字列を変更するだけで、Transformer や RNN などの異なるモデルアーキテクチャに切り替えることができます。NumPy 配列、tf.data.Dataset、tf.keras.utils.Sequence などのさまざまなデータ入力形式をサポートし、KerasTrainer を使ってトレーニングと保存プロセスを管理します。

対象ユーザー

研究者、業界の実務家、データサイエンスコンペティターで、すべてのアーキテクチャをゼロから構築せずに高性能な時系列モデルを実装したい人向けです。

主な特徴

• 広範なモデル対応: RNN、TCN、BERT、N-BEATS、DLinear、Seq2Seq、WaveNet、Transformer、Informer、Autoformer、TFT の実装を含みます。
• 柔軟なデータ処理: エンコーダーのみ、エンコーダー・デコーダー構造の両方をサポートし、過去の値と将来の時系列特徴を扱えます。
• タスクの多様性: 予測、分類、異常検出のすべてに対応可能です。
• 拡張性: AutoBackbone をベースにカスタムモデルを構築でき、カスタムヘッドや埋め込みを追加できます。