unit8co/darts

何を解決するか

Dartsは、Pythonにおける時系列予測と異常検知を簡素化するために設計されています。幅広いモデルに対して統一されたインターフェースを提供し、ユーザーがコアとなるワークフローを変更することなく、古典的な統計手法と最新のディープラーニングアーキテクチャを簡単に切り替えられるようにします。

仕組み

このライブラリは、異なるモデル間でデータの扱い方を標準化するTimeSeriesオブジェクトを導入しています。一貫性を確保するために、scikit-learnのようなAPI（fit()およびpredict()）を使用しています。Dartsは、単変量および多変量時系列の両方をサポートしており、予測精度を向上させるための外部データ（過去および将来の共変量）や静的メタデータの統合も可能です。

対象ユーザー

単純なベースライン予測から複雑なディープニューラルネットワークまで、時系列分析を行う必要があるデータサイエンティストやMLエンジニア、および堅牢な異常検知システムを構築する必要がある人々を対象としています。

ハイライト

• 多様なモデルスイート: ARIMAや指数平滑法から、N-BEATSのようなディープラーニングモデルまで、あらゆるものを網羅しています。
• 異常検知: PyODとの統合を含む、アノマリースコアラー、検知器、アグリゲーターのための専用モジュールを備えています。
• グローバルモデルのトレーニング: 大規模なデータセットに対応するため、複数の時系列を同時に学習させるMLベースのモデルのトレーニングが可能です。
• 確率論的予測: 信頼区間や分位点予測を生成するための、確率的な時系列をサポートしています。
• 包括的なツール群: バックテスト、データ処理（スケーリング、欠損値補完）、および階層的予測の整合（reconciliation）のための組み込みユーティリティを提供します。
• インフラストラクチャの統合: ディープラーニングモデルはPyTorch Lightningによって駆動され、実験管理のためにMLflowと統合されています。