Nixtla/neuralforecast

Scalable and user friendly neural :brain: forecasting algorithms.

What it solves

NeuralForecast は、最先端の神経予測モデルの実装の難しさを解決します。既存の多くの実装は、使用が困難で、計算コストが高く、従来の統計手法よりも優れた性能を発揮できないことがよくあります。このライブラリは、時系列予測に特化化された、ユーザーフレンドリーで効率的かつ堅牢なニューラルネットワークのコレクションを提供します。

How it works

scikit-learn に似た使い慣れた .fit と .predict 構文を使用して、幅広いニューラル予測アーキテクチャを提供するための統一インターフェースを提供します。これらは、古典的な RNNs (مثل LSTM や GRU) や CNNs (TCN) から、現代的な Transformer-based モデル (مثل PatchTST や iTransformer) まで、そして N-BEATS や NHITS といった専門的なアーキテクチャまで多岐にわたります。また、このライブラリは、外生変数、静的共変量、および分位数損失とパラメータ分布を通じた確率的予測もサポートしています。

Who it’s for

ディープラーニングモデルを使用して高精度な時系列予測を行う必要があるが、これらの複雑なアーキテクチャをゼロから構築する必要はないデータサイエンティストや機械学習エンジニアです。

Highlights

  • Extensive Model Library: 30以上の最先端モデルを含んでいます。NHITS や NBEATSx の公式実装も含まれます。

  • Usability: scikit-learn スタイルの API を使用しており、既存のワークフローへの統合が容易です。

  • Advanced Forecasting: 確率的予測と外生回帰量の追加をサポートしています。

  • Optimization: Ray と Optuna を使用して、分解型自動ハイパーパラメータチューニングを行えます。

  • Transfer Learning: 転移学習技術を使用して、最小限の履歴データで予測を行うことが可能です。