sktime/skpro

何を解決するか

多くの標準的な機械学習回帰モデルは、予測に対して単一の点推定（平均）しか提供しません。skpro は、監視下の確率的予測を可能にすることで、単なる1つの値ではなく、予測区間、分位点、および完全な確率分布を予測できるようにします。

仕組み

skpro は、標準的な回帰モデルを確率的モデルに変換するための scikit-learn 互換インターフェースとツールを提供します。ブートストラップやコンフォーマル予測などの手法（例：還元法）を用いて、既存の scikit-learn 回帰モデルを確率的モデルに変換します。また、テーブルデータ用の確率的回帰、時間至イベント（生存）予測、pandas DataFrames と統合可能な記号的確率分布の専用モジュールも提供しています。

対象ユーザー

予測の不確実性を定量化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。特に、テーブルデータや生存分析に取り組んでいる人、scikit-learn エコシステムを好む人向けです。

特徴

• 確率的回帰: 区間、分位点、完全な分布を予測可能。
• 生存分析: 確率的時間至イベント予測と生存予測をサポート。
• 評価指標: ピンボール損失、CRPS、経験的カバレッジなど、確率的予測に特化した指標を含む。
• 相互運用性: scikit-learn および sktime と完全に互換性があり、MAPIE、ngboost、cyclic-boosting などのサードパーティライブラリとも連携可能。