skforecast/skforecast

해결하는 문제

Skforecast는 시계열 예측을 위한 통합 API를 제공하여, 사용자가 단일 워크플로우로 프로토타입 제작에서 프로덕션까지 이동할 수 있게 합니다. 전통적인 통계 방법부터 현대적인 머신러닝 및 파운데이션 모델에 이르기까지 다양한 예측 모델을 사용하는 과정을 단순화하며, 각 모델에 대해 다른 API를 배울 필요가 없습니다.

작동 방식

이 라이브러리는 다양한 모델 유형에 걸쳐 훈련, 예측, 백테스팅을 위한 일관된 인터페이스를 구현합니다:

• 머신러닝: 재귀적 또는 직접적 전략을 사용하여 모든 scikit-learn 호환 회귀자(예: LightGBM, XGBoost, CatBoost)와 통합됩니다.
• 파운데이션 모델: Chronos-2, TimesFM, Moirai-2와 같은 사전 훈련된 모델을 사용하여 제로샷 예측을 가능하게 합니다.
• 통계 모델: 자동 모델 선택 기능을 갖춘 ARIMA, SARIMAX, ETS, ARAR을 지원합니다.
• 딥러닝: Keras로 구축된 순환 신경망(RNN, LSTM)을 활용합니다.

대상 사용자

Python을 사용하여 프로덕션 준비가 된 시계열 예측 모델을 구축, 튜닝, 배포해야 하는 데이터 과학자 및 ML 엔지니어.

주요 기능

• 통합 API: ML, 통계, 파운데이션 모델을 위한 하나의 인터페이스.
• 프로덕션 준비 도구: 백테스팅, 확률적 예측(부트스트래핑, 적합 예측), Optuna를 통한 하이퍼파라미터 튜닝을 포함합니다.
• 특징 엔지니어링: 롤링 통계, 달력 특징, 외생 변수에 대한 내장 지원.
• 글로벌 모델: 단일 모델로 여러 시계열을 동시에 예측할 수 있습니다.
• 설명 가능성: 모델 투명성을 위한 SHAP 값 및 특징 중요도와의 통합.

요약

scikit-learn 호환 ML 모델, 통계 방법, 제로샷 파운데이션 모델을 위한 통합 API를 제공하는 시계열 예측용 Python 라이브러리.

제목

ML, 통계, 제로샷 파운데이션 모델을 위한 통합 예측 프레임워크