ourownstory/neural_prophet

何を解決するか

NeuralProphet は、解釈可能な時系列予測のための学びやすいフレームワークを提供します。正確さだけでなく、理解しやすい予測モデルの構築という課題に対処し、ユーザーが人間が関与するプロセスを通じてモデルを段階的に改善できるようにします。

動作方法

PyTorch 上に構築されたこのフレームワークは、従来の時系列アルゴリズムとニューラルネットワークを組み合わせています。わずか数行のコードで、モデルの定義、カスタマイズ、評価が可能です。システムは、自己回帰（線形またはNN）、自動変化点検出付きの区分的線形トレンド、季節性（年次、日次、週次、時次）のフーリエ項、ラグおよび将来の回帰変数、祝日やカスタムイベントのイベント処理などのさまざまなモデルコンポーネントをサポートしています。

対象ユーザー

長期間（少なくとも2つの完全な期間または年）にわたる、より高い頻度（日次の以下）の時系列データを扱うユーザーに最適です。

特徴

• 解釈可能なコンポーネント: 予測コンポーネントとモデル係数のプロットツールを備えており、理解を深めるのに役立ちます。
• グローバルモデリング: 複数の時系列にわたって、ローカル、グローバル、または「グローカル」（グローバル＋正則化されたローカル）パラメータをサポートします。
• 分位数回帰: 不確実性推定のための特定の分位数を推定できる機能があります。
• 統合ツールキット: 組み込みのプロット関数、時系列クロスバリデーションユーティリティ、モデルチェックポイント機能を備えています。