unit8co/darts

A python library for user-friendly forecasting and anomaly detection on time series.

Darts – Pythonによる時系列予測と異常検知

概要 – Dartsは、時系列データを簡単に扱うためのオープンソースのPythonライブラリです。古典的な統計手法（ARIMA、指数平滑法）から最新のディープラーニングアーキテクチャ（N-BEATS、TCN、Transformerベースのモデル）まで、幅広いモデルに対して統一されたscikit-learnスタイルのAPI（fit、predict）を提供します。また、異常検知、バックテスト、確率的予測、データ前処理のためのツールもバンドルされています。

重要性 – 時系列分析は、多くの業界（金融、エネルギー、小売、IoT）における中核的な問題です。Dartsは、異なるモデルファミリーやデータ形式間の切り替えの手間をなくし、モデルのプロトタイピング、比較、デプロイを迅速に行えるようにします。さらに、多系列トレーニング、共変量、階層的リコンシリエーション、コンフォーマル予測などの高度な機能もサポートしています。

クイックスタート（READMEより）

import pandas as pd
from darts import TimeSeries
from darts.models import ExponentialSmoothing

# CSVをpandas DataFrameに読み込む
df = pd.read_csv("AirPassengers.csv")
# Darts TimeSeriesに変換（時間列と値列を指定）
series = TimeSeries.from_dataframe(df, "Month", "#Passengers")

# トレーニング／バリデーション分割
train, val = series[:-36], series[-36:]

# 単純な指数平滑モデルを適合
model = ExponentialSmoothing()
model.fit(train)
# バリデーション期間の確率的予測（1000サンプル）
forecast = model.predict(len(val), num_samples=1000)

# 結果をプロット
import matplotlib.pyplot as plt
series.plot()
forecast.plot(label="forecast", low_quantile=0.05, high_quantile=0.95)
plt.legend()
plt.show()

主な機能（READMEに記載）

カテゴリ	ハイライト
予測モデル	古典的（ARIMA、VARIMA、指数平滑法）、ベースライン（Naïve、移動平均）、ディープラーニング（N-BEATS、TCN、Transformer、RNN）
多変量サポート	`TimeSeries` は複数の列を保持できます。多くのモデルが多変量入力をサポート
グローバルモデルのトレーニング	ニューラルネットワークモデルは、数十から数千の系列を同時にトレーニング可能
確率的出力	サンプルベースの予測またはパラメトリック分布。信頼区間に有用
共変量	過去観測、未来既知、静的外部データをモデルに供給可能
異常検知	`darts.ad` モジュールは、PyODスコアラー、K-means、分位数検出器、および任意の予測モデルをラップして異常スコアを生成
バックテストと評価	ローリングウィンドウ予測のためのユーティリティ、メトリクス一式（R²、MASEなど）
説明可能性	互換性のあるモデル向けのSHAPベースの説明
階層的リコンシリエーション	予測に階層的な一貫性を強制するトランスフォーマー
統合	PyTorch Lightningバックエンド、オプションのMLflowトラッキング、Dockerイメージ、Condaパッケージ、およびpandas、polars、numpy、pyarrow、xarrayとの互換性
データユーティリティ	組み込みデータセット、スケーリング、欠損値処理、差分、Box-Coxなど

典型的なユースケース

ビジネス需要予測 – 多くの製品レベル系列でグローバルモデルをトレーニングし、価格やプロモーションの共変量を組み込み、確率的な需要区間を取得。
エネルギー負荷／価格予測 – 過去の気象データ（過去共変量）と既知のカレンダー効果（未来共変量）を使用して、電力消費量を予測。
センサーストリームの異常検知 – darts.ad で予測モデルやPyOD検出器をラップして、分布外の動作をフラグ。
階層的プランニング – SKUレベルで予測し、カテゴリや総売上レベルに調整。
研究と教育 – 統一APIによる新しい時系列アーキテクチャの迅速なプロトタイピング。

インストール

# 推奨: 新しいPython 3.11以上の環境（conda/venv/virtualenv）
pip install darts   # すべてのコア依存関係を取得

GPU/TPUサポートやスリムなインストールについては、リポジトリ内の完全な INSTALL.md を参照してください。

さらに学ぶには

クイックスタートガイド – https://unit8co.github.io/darts/quickstart/00-quickstart.html
ユーザーガイドとAPIリファレンス – https://unit8co.github.io/darts/userguide.html および https://unit8co.github.io/darts/generated_api/darts.html
サンプルノートブック – https://unit8co.github.io/darts/examples.html（MLflowデモを含む）
ブログとビデオ紹介 – READMEにリンクされたMedium記事と25分のYouTube概要。

TL;DR

Dartsは、時系列予測と異常検知のための本番環境対応のPythonicなツールボックスです。古典的な統計手法と最新のディープラーニングモデルを単一のscikit-learn風インターフェースで統合し、多変量および多系列トレーニングをサポートし、確率的出力を提供し、人気のMLツール（PyTorch Lightning、MLflow）と統合します。複数のライブラリを切り替えることなく、時系列データから信頼できる予測を生成する必要がある人に最適です。