sktime/sktime

解決する課題

sktimeは、さまざまな時系列分析タスクに対して統一されたインターフェースを提供するために設計されたPythonライブラリです。一貫したAPIを通じて、複数のライブラリ（scikit-learn、statsmodels、fbprophetなど）の異なるアルゴリズムやツールを適用できるようにすることで、時系列エコシステムの断片化に対処します。

仕組み

独自の専用時系列アルゴリズムと、他の一般的な機械学習ライブラリへのインターフェースの両方を提供するフレームワークとして機能します。以下を含む幅広い学習タスクをサポートしています：

• Forecasting: 時系列における将来の値を予測する。
• Classification: 時系列データを分類する。
• Regression: 時系列データから連続的な値を予測する。
• Clustering: 類似した時系列をグループ化する。
• Detection: 異常や変化点（changepoints）を特定する。
• Transformations: 時系列にデータ変換を適用する。

ユーザーは、パイプライン化、アンサンブル、チューニング、リダクションのためのツールを使用して複合モデルを構築でき、これにより、あるタスク向けに設計されたアルゴリズム（例：scikit-learnの回帰器）を使用して別のタスク（例：予測タスク）を解決することが可能になります。

対象者

時系列データを扱い、異なるアルゴリズムやライブラリにわたってモデルを構築、チューニング、検証するための標準化された方法を必要とするデータサイエンティストや機械学習エンジニア。

ハイライト

• Unified Interface: 予測、分類、回帰、異常検知のための単一のAPI。
• Scikit-learn Compatible: チューニングや検証のためのscikit-learnツールと互換性があるように構築されています。
• Interoperable: statsmodels、tsfresh、PyOD、fbprophetなどの外部ライブラリへのインターフェースを提供します。
• Extensible: ユーザーが独自のカスタムアルゴリズムをフレームワークに追加するのを支援する拡張テンプレートが含まれています。