Nixtla/mlforecast

해결하는 문제

기존 파이썬 라이브러리의 기계학습 기반 시계열 예측에서 성능과 확장성의 한계를 해결합니다. 수백만 개의 시계열을 처리하고 원격 클러스터에서 분산 학습을 통해 대규모 데이터셋에 확장할 수 있는 프레임워크를 제공하여, 실사용 환경에 적합합니다.

작동 방식

mlforecast는 scikit-learn API를 따르는 임의의 기계학습 회귀 모델(.fit 및 .predict 메서드 사용)을 래핑합니다. 복잡한 시계열 예측의 핵심 부분을 자동화하며, 레그, 이동평균, 확장평균, 날짜 특징 등의 효율적인 특징 공학을 제공하고 타겟 변환을 처리합니다. 예측 단계에서는 특징을 자동으로 업데이트하는 재귀 전략을 사용합니다.

대상 사용자

기계학습 모델을 사용해 확장 가능한 시계열 예측을 수행하고, 익숙한 scikit-learn 유사 인터페이스를 원하는 데이터 과학자 및 ML 엔지니어.

주요 특징

• 고확장성: pandas, polars, spark, dask, ray와 호환되어 원격 클러스터에서 분산 학습 가능.
• 빠른 특징 공학: 시계열 특징 생성을 위한 최적화된 구현.
• 확률적 예측: Conformal Prediction을 통해 예측 구간 지원.
• 유연한 입력: 외생 변수와 정적 공변량 지원.
• 전이 학습: 한 세트의 시계열에서 사전 학습한 모델을 다른 세트에 적용 가능.