Nixtla/nixtla

TimeGPT-2.1: production ready pre-trained Time Series Foundation Model for forecasting and anomaly detection. Generative pretrained transformer for time series trained on over 100B data points. It's capable of accurately predicting various domains such as retail, electricity, finance, and IoT with just a few lines of code 🚀.

📦 Niixla とは何か?

Nixtla は、時系列予測および異常検出に特化して構築された大規模なトランスフォーマーモデルである TimeGPT とやり取りできる SDK です。モデル自体はホストされたサービスとして提供されています(APIキーが必要)が、Pythonパッケージは軽量なクライアント、ヘルパー機能、統合(Snowflake、他の言語)を提供し、自分のコードからモデルを呼び出せるようにします。


🚀 コア機能

機能 機能の説明 使用方法
ゼロショット予測 任意の時系列に対して、ローカルでの学習なしでポイント予測と予測区間を生成します。 client.forecast(df, h=24, level=[80,90])
異常検出 歴史データ(バッチ)またはオンラインストリームで外れ値を特定します。 client.detect_anomalies(df, …)(バッチ) / client.detect_anomalies_online(df, h, detection_size)
ファインチューニング 事前学習済みモデルを独自のドメインに適応させ、精度を向上させます。 API経由で利用可能(READMEには記載なし)。
外生変数 ホリデー、価格など追加の回帰変数を予測精度向上のために追加できます。 APIリクエスト経由で渡す。
マルチシリーズ対応 一度の呼び出しで多数の時系列を予測し、計算リソースを節約できます。 複数のIDを持つDataFrameに対して同じ forecast メソッドが利用可能。
クロスバリデーション & カスタム損失 モデル検証やカスタムファインチューニング目的のための組み込みユーティリティ。 API経由で公開。
デプロイメント Snowflake内にサービスを実行するか、JavaScript、Goなどから呼び出せます。 pip install nixtla[snowflake] でインストール後、インストールスクリプトを実行。

🛠️ すぐに始める(クイックスタート)

pip install "nixtla>=0.8.0"
import pandas as pd
from nixtla import NixtlaClient

# 1️⃣ https://nixtla.io/free-trial で無料トライアルAPIキーを取得
client = NixtlaClient(api_key="YOUR_KEY")

# 2️⃣ 時系列データを読み込む(例:電力需要)
df = pd.read_csv(
    "https://raw.githubusercontent.com/Nixtla/transfer-learning-time-series/main/datasets/electricity-short.csv"
)

# 3️⃣ 24ステップ先の予測
forecast = client.forecast(df, h=24, level=[80, 90])

# 4️⃣ (オプション)プロット
client.plot(df, forecast, level=[80, 90])

異常検出にも同じパターンが適用でき、forecast を detect_anomalies に置き換えるだけです。


📚 ドキュメントとコミュニティ

  • ドキュメント – https://docs.nixtla.io – 完全なAPIリファレンス、チュートリアル(ファインチューニング、Spark/Dask/Rayでのスケーリング、不規則なタイムスタンプの扱いなど)。
  • Slackコミュニティ – README内のバッジから参加できます。
  • GitHub – CIステータス、イシュー追跡、貢献ガイド。

⚙️ アーキテクチャの概要

TimeGPTは、金融、IoT、天気、ウェブトラフィックなど多数の分野から得られた1000億以上のデータポイントで訓練された デコーダーのみのトランスフォーマー です。自己注意機構(self-attention)により、長い予測範囲にわたるパターンを捉え、予測範囲に線形投影されたベクトルを出力します。このモデルは 汎用的なLLMではありません。時系列専用のファウンデーションモデルです。


📈 いつ使うべきか

用途 なぜTimeGPTが適しているか
迅速なプロトタイピング – 今すぐ予測が必要、モデル構築に数週間はかけられない。 ゼロショット推論が即座に動作。
多数の時系列 – 数千のSKU販売データやセンサストリーム。 一度のAPI呼び出しで多数の時系列を処理可能。計算リソースを節約。
機械学習の知識が限られている – ビジネスアナリストやプロダクトチーム。 低コードPythonクライアント。数行のコードで可能。
プロダクションワークロード – 信頼性があり、バージョン管理されたサービスが必要。 SLA付きホストモデル、オンプレミスデプロイもオプション。

📝 ライセンスとアクセス

  • SDK(nixtlaパッケージ)はApache 2.0オープンソース。
  • TimeGPT 自体はクローズドソースのサービス。APIキーが必要(無料トライアルあり)または商用ライセンス取得後、オンプレミスにデプロイ可能。

🎯 まとめ

NixtlaのSDKは、強力で目的に特化した時系列ファウンデーションモデル(TimeGPT)を、シンプルなPython APIで利用可能にする軽量でドキュメントが充実したクライアントです。Snowflake、他の言語、ファインチューニングやカスタム損失関数といったエンタープライズグレードの機能もサポートしています。

関連

  • プロジェクト
  • プロジェクト
  • プロジェクト
  • プロジェクト
  • プロジェクト