skforecast/skforecast
Python library for time series forecasting using scikit-learn compatible models, statistical methods, and foundation models
What it solves
Skforecast は、ユーザーが機械学習モデル、統計手法、基盤モデルを統一されたフレームワーク内で活用できるようにすることで、時系列予測のプロセスを簡法化します。標準的な scikit-learn 互換の推定器と、ラグ生成や再帰的予測戦略といった時系列データの特有の要件を満たす間のギャップを埋めます。
How it works
このライブラリは、訓練と予測のためのコンテナとして機能する "Forecaster" オブジェクトを提供します。再帰的予測や直接的予測を含む様々な戦略をサポートし、単一または複数の時系列データを扱えます。scikit-learn 互換のあらゆる推定器（LightGBM, XGBoost, または CatBoost など）とシームレスに統合でき、ディープラーニング (RNN/LSTM)、統計モデル (ARIMA, ETS)、および基盤モデルもサポートします。
Who it's for
Python を使用して、本番環境向けの時系列予測モデルを構築、検証、およびデプロイするためのデータサイエンティストや機械学習エンジニア向けに設計されています。
Highlights
- Scikit-learn Compatibility: Works with any estimator that follows the scikit-learn API.
- Diverse Forecaster Types: Offers specialized forecasters for recursive, direct, multivariate, and classification tasks.
- Comprehensive Tooling: Includes built-in tools for feature engineering, hyperparameter tuning, and backtesting for realistic performance evaluation.
- Flexible Modalities: Supports exogenous features, window features, and probabilistic predictions.