skforecast/skforecast

何を解決するか

Skforecastは、さまざまなモデリング戦略のための統一インターフェースを提供することで、時系列予測を簡素化することを目的としています。標準的な機械学習回帰器（scikit-learnに含まれるようなもの）と、ラグベースの特徴量エンジニアリングや複数ステップ予測戦略といった時系列データの特定の要件との間のギャップを埋めます。

動作方法

このライブラリは「Forecaster」オブジェクトをコンテナとして使用し、学習と予測プロセスを管理します。複数の戦略をサポートしています：

• 再帰的（Recursive）：過去の予測値を将来のステップの入力として使用します。
• 直接的（Direct）：複数の将来ステップを同時に予測します。
• 多系列（Multi-series）：複数の独立または依存する時系列を処理します。

任意のscikit-learn互換推定器（LightGBM、XGBoost、CatBoost、Kerasなど）と統合可能で、統計モデル（ARIMA、ETS）および基盤モデルもサポートしています。

対象ユーザー

シンプルな統計的手法から複雑なディープラーニングモデルまで、一貫したAPIを使って生産環境向けの時系列予測モデルを構築・検証・デプロイする必要があるデータサイエンティストやMLエンジニア向けです。

特徴

• scikit-learn互換性：scikit-learn APIに従う任意の推定器と連携可能。
• 多様なモデルサポート：伝統的な統計モデル（ARIMA/ETS）からRNN/LSTM、ゼロショット基盤モデルまで対応。
• 包括的なツールセット：特徴量エンジニアリング、ハイパーパラメータチューニング、バックテストのための組み込みツールを備え、現実的な性能評価が可能。
• 確率的予測のサポート：予測区間の生成をサポート。
• AI支援ワークフロー：LLMが正確なコードを生成できるように機械可読なコンテキストファイルを提供し、オプションでAI予測アシスタント（skforecast-ai）も利用可能。