skforecast/skforecast
Python library for time series forecasting using scikit-learn compatible models, statistical methods, and foundation models
What it solves
Skforecast는 사용자가 머신러닝 모델, 통계 방법론, 파운데이션 모델을 통합된 프레임워크 내에서 활용할 수 있도록 하여 시계열 예측 프로세스를 단순화합니다. 이는 표준 scikit-learn 호환 추정기(estimator)와 시계열 데이터의 특수성(예: lag generation 및 recursive prediction strategies) 사이의 간극극을 메웁니다.
How it works
이 라이브러리는 학습 및 예측을 위한 컨테이너 역할을 하는 "Forecaster" 객체를 제공합니다. 재귀적(recursive) 및 직접적(direct) 예측 전략을 포함한 다양한 전략을 지원하며, 단일 또는 다중 시계열을 처리할 수 있습니다. scikit-learn 호환되는 모든 추정기(예: LightGBM, XGBoost, 또는 CatBoost)와 원활하게 통합되며, 딥러닝(RNN/LSTM), 통계 모델(ARIMA, ETS), 그리고 파운데이션 모델도 지원합니다.
Who it's for
Python을 사용하여 프로덕션급 시계열 예측 모델을 구축, 검증 및 배포해야 하는 데이터 과학자 및 머신러닝 엔지니어를 위해 설계되었습니다.
Highlights
- Scikit-learn Compatibility: Works with any estimator that follows the scikit-learn API.
- Diverse Forecaster Types: Offers specialized forecasters for forecaster, recursive, direct, multivariate, and classification tasks.
- Comprehensive Tooling: Includes built-in tools for feature engineering, feature engineering, hyperparameter tuning, and backtesting for realistic performance evaluation.
- Flexible Modalities: Supports exogenous features, window features, and probabilistic predictions.