awslabs/gluonts
Probabilistic time series modeling in Python
What it solves
GluonTS は、確率論的時系列モデリングのためのフレームワークを提供します。単一の点推定ではなく、確率分布として予測を行うという課題に対処し、ユーザーが予測の不確実性や予測区間を理解できるようにします。
How it works
PyTorch 上に構築されており、ライブラリは時系列データの分析にディープラーニングベースのモデル（DeepAR など）に焦点を当ています。Pandas を使用してデータをロードし、トレーニングセットとテストセットに分割し、推定器をトレーニングして、網掛けされた予測区間として可視化できる確率論的予測を生成することができます。
Who it's for
Python でニューラル時系列予測と確率論的モデリングを行う必要があるデータサイエンティストや研究者向けです。
Highlights
- Probabilistic Forecasting: 単一の値ではなく、確率分布として予測を生成します。
- Deep Learning Integration: PyTorch ベースのディープラーニングモデル向けに特別に設計されています。
- Pandas Integration: Pandas を使用して、
PandasDatasetを利用することでデータのロードと準備を簡価化します。 - Academic Foundation: JMLR や arXiv の科学論文によって裏付けられています。