Nixtla/mlforecast

何を解決するか

機械学習ベースの時系列予測用の既存のPythonライブラリには、パフォーマンスとスケーラビリティの制限があります。mlforecastは、リモートクラスタ上で分散処理を可能にし、数百万の時系列を処理できるフレームワークを提供します。これにより、本番環境での利用に適しています。

動作方法

mlforecastは、scikit-learn APIに準拠した任意の機械学習回帰モデル（.fit および .predict メソッドを使用）をラップするものです。複雑な時系列予測の処理を自動化し、ラグ、移動平均、拡張平均、日付特徴量などの効率的な特徴量エンジニアリングを提供するとともに、ターゲット変換を処理します。予測フェーズでは、特徴量を自動的に更新する再帰戦略を使用します。

対象ユーザー

機械学習モデルを使ってスケーラブルな時系列予測を実行したいデータサイエンティストやMLエンジニアで、馴染みのあるscikit-learn風のインターフェースを求める人。

特徴

• 高スケーラビリティ: pandas、polars、spark、dask、rayに対応し、リモートクラスタ上で分散学習が可能。
• 高速な特徴量エンジニアリング: 時系列特徴量生成の最適化実装。
• 確率的予測: Conformal Predictionを用いた予測区間のサポート。
• 柔軟な入力: 外生変数と静的共変量をサポート。
• 転移学習: ある時系列セットで事前学習したモデルを別のセットに適用可能。