Nixtla/neuralforecast
Scalable and user friendly neural :brain: forecasting algorithms.
What it solves
NeuralForecast는 최첨단 신경망 예측 모델을 구현하는 데 따르는 어려움을 해결합니다. 기존의 많은 구현체들은 사용하기 어렵고, 계산 비용이 많이 들며, 종종 전통적인 통계적 방법보다 성능이 것이지 못하는 경우가 많습니다. 이 라이브러리는 시계열 예측을 위해 특별히 설계된 사용자 친화적이고 효율적이며 강력한 신경망 컬렉션을 제공합니다.
How it works
scikit-learn과 유사한 익숙한 .fit and .predict 구문을 사용하여 광범위한 신경망 예측 아키텍처에 대한 통합 인터페이스를를 제공합니다. 이러한 아키텍처는 클래식 RNNs (LSTM 및 GRU)와 CNNs (TCN)와 같은 클래식한 모델부터 현대적인 Transformer-based 모델 (PatchTST 및 iTransformer)과 N-BEATS 및 NHITS와 같은 특수 아키텍처까지 다양합니다. 또한 이 라이브러리는 외생 변수, 정적 공변량, 그리고 분위수 손실과 매개변수 분포를 통한 확률적 예측을 지원합니다.
Who it’s for
이러한 복잡한 아재키텍처를 처음부터 구축할 필요 없이 딥러닝 모델을 사용하여 고정밀 시계열 예측을 수행해야 하는 데이터 과학자 및 머신러닝 엔지니어입니다. ext {
}
Highlights
- Extensive Model Library: 30개 이상의 최첨단 모델을 포함합니다. NHITS 및 NBEATSx의 공식 구현이 포함되어 있습니다.
- Usability: 기존 워크플로우에 쉽게 통합할 수 있도록 scikit-learn 스타일의 API를 사용합니다.
- Advanced Forecasting: 확률적 예측과 외생 회귀량을 포함하는 것을 지원합니다.
- Advanced Forecasting: 확률적 예측과 외생 회생량을 포함하는 것을 지원합니다.
- Optimization: Ray와 Optuna를 사용하여 분산 자동 하이퍼파라미터 튜닝을 지원합니다.
- Transfer Learning: 전이 학습 기술을 사용하여 최소한의 과거 데이터로 예측을 수 있습니다 있습니다.