wwrechard/pydlm

何を解決するか

PyDLM は時系列モデリング用の Python ライブラリです。トレンドや季節性などのさまざまな成分に分解することで、時系列データの分析と予測を柔軟に実行できるフレームワークを提供します。これにより、複雑なパターンを扱い、予測精度を向上させることができます。

動作方法

このライブラリはベイズ動的線形モデル（DLM）に基づいています。状態空間アプローチを用いて、時系列をさまざまな成分の和としてモデル化します。ユーザーは以下の成分を組み合わせることでモデルを構築できます：

• 線形／二次トレンド：データの一般的な変化方向を捉えるため。
• 季節性：特定の期間（例：週単位や年単位）で繰り返されるパターンを捉えるため。
• 動的回帰：dynamic コンポーネントを使用して、時間とともに変化する外部予測子（特徴量）を組み込む。

モデルが定義されると、前向きフィルタリングと後向きスムージングを使用してデータに適合させ、フィルタリング結果、1日先の予測、信頼区間を生成します。

対象ユーザー

Python でベイズ時系列分析、分解、予測を行う必要があるデータサイエンティストやアナリスト。特に R パッケージ bsts の代替手段を探している人におすすめです。

特徴

• 柔軟なモデル構築：トレンド、季節性、動的回帰などのコンポーネントを + 演算子で組み合わせてモデルを構築できます。
• Pandas への変換：dlm および dynamic クラスは pandas 入力をサポートしています。
• 高速な推論：モデル適合と推論を高速化する最適化が施されています。
• 包括的な可視化：フィット結果、予測、個々の成分を可視化するための組み込みプロット関数があります。