sktime/pytorch-forecasting

何を解決するか

PyTorch Forecasting は、時系列予測の最先端のディープラーニングアーキテクチャの実装を簡素化します。複雑な研究モデルと実世界のデプロイの間のギャップを埋めるために、時系列データのデータ準備、トレーニング、評価の面倒な側面を処理する高レベルAPIを提供します。

動作方法

PyTorch Lightning を基盤として構築されたこのライブラリは、予測のための構造化されたワークフローを提供します。

• データ処理: 特化した TimeSeriesDataSet クラスは、変数の変換、欠損値の処理、ランダムなサブサンプリング、複数の履歴長を管理します。
• モデルアーキテクチャ: 時系列予測に最適化された、Temporal Fusion Transformers、N-BEATS、PatchTST などの高度なニューラルネットワークを実装しており、組み込みの解釈機能を備えています。
• トレーニングとスケーリング: PyTorch Lightning を活用して、CPU および単一または複数の GPU に自動的にトレーニングをスケーリングし、TensorBoard を介した統合ログ機能を提供します。
• 最適化: Optuna と統合されてハイパーパラメータチューニングを可能にし、複数の予測期間を評価するための時系列メトリクスを含んでいます。

対象ユーザー

このプロジェクトは、デプロイに最大限の柔軟性を必要とするプロフェッショナルと、ニューラルネットワークベースの予測を始めるために合理的なデフォルトを必要とする初心者を対象としています。

特徴

• 多様なモデルズーロ: Temporal Fusion Transformers (TFT)、N-BEATS、N-HiTS、DeepAR、PatchTST などの高性能モデルを含みます。
• 統合されたデータパイプライン: pandas DataFrames をモデル用の時系列データセットに簡単に変換できます。
• ハードウェア非依存: PyTorch Lightning を通じて、CPU および GPU トレーニングをオールオールでサポートします。
• 解釈可能性: 予測の解釈が可能な組み込み機能を備えたモデルを提供します。