awslabs/gluonts
Probabilistic time series modeling in Python
What it solves
GluonTS는 확률적 시계열 모델링을 위한 프레임워크를 제공합니다. 단순한 단일 지점 추정치가 아닌 확률 분포를 생성하여, 사용자가 예측의 불확실성과 예측 구간을 이해할 수 있도록 하는 과제를 해결합니다.
How it works
PyTorch를 기반으로 구축되었으며, 이 라이브러리는 시계열 데이터를 분석하기 위해 딥러닝 기반 모델(DeepAR 등)을 사용하여 데포커스합니다. 사용자가 Pandas를 통해 데이터를 로드하고, training set과 testing set으로 나누고, estimator를 학습시켜 음영 처리된 예측 구간으로 시각화할 수 있는 확률적 예측을 생성할 수 있게 합니다.
Who it's for
Python에서 신경망 시계열 예측 및 확률적 모델링을 수행해야 하는 데이터 과학자 및 연구자.
Highlights
- Probabilistic Forecasting: 단일 값이 아닌 확률 분포로 예측을 생성합니다.
- Deep Learning Integration: PyTorch를 기반으로 한 딥러닝 모델을 위해 특별히 설계되었습니다.
- Pandas Integration:
PandasDataset을 사용하여 데이터 로딩 및 준비를를 간편하게 합니다. - Academic Foundation: JMLR 및 arXiv의 여러 과학 논문을 통해 뒷받침됩니다.