LongxingTan/Time-series-prediction

해결하는 문제

TFTS (TensorFlow Time Series)는 예측, 분류, 이상 탐지와 같은 시계열 작업을 구현하기 위한 통합적이고 사용하기 쉬운 인터페이스를 제공합니다. 전통적인 모델과 최신 딥러닝 모델을 시계열 데이터에 적용하는 과정을 단순화하여, TensorFlow 또는 Keras에서 학습 및 평가 파이프라인을 설정하기 위한 반복 코드를 줄입니다.

작동 방식

이 라이브러리는 AutoModel과 AutoConfig 시스템을 사용하여 사용자가 다양한 모델 아키텍처 간에 빠르게 전환할 수 있도록 합니다. RNN, Transformers, Informer, Autoformer, N-beats 등 다양한 아키텍처를 지원합니다. 사용자는 NumPy 배열, tf.data.Dataset, 또는 tf.keras.utils.Sequence 형식으로 데이터를 제공하고, KerasTrainer를 사용해 학습 루프와 결과 시각화를 처리할 수 있습니다.

대상 사용자

연구자, 산업 전문가, 경진대회 참가자 등 TensorFlow 생태계를 활용해 시계열 모델을 빠르게 구현하고 학습하고자 하는 분들에게 적합합니다.

주요 특징

• 광범위한 모델 지원: Informer, Autoformer, TCN, BERT, Temporal Fusion Transformer (TFT) 등 최고 수준의 모델을 포함합니다.
• 유연한 데이터 입력: NumPy 배열 및 TensorFlow 데이터셋 등 다양한 데이터 형식을 지원합니다.
• 사용자 정의 가능성: TFTS 백본을 사용해 사용자 정의 임베딩 레이어 또는 특정 작업용 헤드 레이어를 구성하여 커스텀 모델을 만들 수 있습니다.
• 검증된 성능: KDD Cup 2022 및 Tianchi-ENSO 예측 경진대회 우승 에ント리에서 실제로 사용되었습니다.