Nixtla/hierarchicalforecast

何を解決するか

時系列データが階層構造（地理的地域、製品カテゴリ、週や月といった時間スケールなど）で整理されている場合、各レベルで独立して予測を行うと、下位レベルの予測値の合計が上位レベルの予測値の合計と一致しなくなるという不整合問題が生じます。このライブラリは、すべてのレベルで一貫性のある予測が得られるように、これらの予測を調整するための手法を提供します。

仕組み

このライブラリは「ベース予測」（初期予測）を受け取り、調整アルゴリズムを適用して修正します。以下の複数のアプローチをサポートしています：

• 古典的手法：BottomUp（下位レベルを合計して上位レベルを作成）と TopDown（上位レベルの予測を下位レベルに分配）。
• 代替手法：MiddleOut（中間レベルで予測を固定）、MinTrace（予測分散の合計を最小化）、ERM（L1正則化を使用）。
• 確率的手法：Normality、Bootstrap、PERMBU、Conformal などのツールにより、分布に依存しないまたは仮定に基づく予測区間を提供します。
• 時間的調整：これらの手法の多くは、時間的階層（例：日次予測と月次合計の調整）にも適用可能です。

対象ユーザー

産業界や学術界で階層的時系列データを扱い、異なる集計レベルで一貫性のある予測が必要なデータサイエンティスト、経済統計学者、MLエンジニア。

特徴

• 横断的および時間的階層の両方をサポート。
• 広範な統計的および経済統計的調整手法を含む。
• 不確実性推定に適した確率的整合予測手法を提供。
• Nixtlaエコシステム（例：statsforecast および datasetsforecast）と統合可能。