skforecast/skforecast

해결하는 문제

Skforecast는 다양한 모델링 전략을 위한 통합 인터페이스를 제공함으로써 시계열 예측을 단순화하도록 설계되었습니다. scikit-learn과 같은 표준 기계학습 회귀기와 시계열 데이터의 특수한 요구사항(예: 지연 기반 특징 공학, 다단계 예측 전략) 사이의 격차를 메웁니다.

작동 방식

이 라이브러리는 학습 및 예측 프로세스를 관리하는 컨테이너로 "Forecaster" 객체를 사용합니다. 여러 전략을 지원합니다:

• 재귀적(Recursive): 이전 예측값을 미래 단계의 입력으로 사용합니다.
• 직접적(Direct): 여러 미래 단계를 동시에 예측합니다.
• 다중 시계열(Multi-series): 독립적 또는 종속적인 여러 시계열을 처리합니다.

scikit-learn 호환 추정기(예: LightGBM, XGBoost, CatBoost, Keras)와 통합 가능하며, 통계 모델(ARIMA, ETS) 및 기반 모델도 지원합니다.

대상 사용자

간단한 통계적 방법부터 복잡한 딥러닝 모델까지, 일관된 API를 사용하여 생산 환경용 시계열 예측 모델을 구축, 검증, 배포해야 하는 데이터 과학자 및 ML 엔지니어를 위한 것입니다.

주요 기능

• scikit-learn 호환성: scikit-learn API를 따르는 모든 추정기와 작동합니다.
• 다양한 모델 지원: 전통적인 통계 모델(ARIMA/ETS)에서 RNN/LSTM, 제로샷 기반 모델까지 지원합니다.
• 포괄적인 도구 세트: 특징 공학, 하이퍼파라미터 튜닝, 백테스팅을 위한 내장 도구로 현실적인 성능 평가가 가능합니다.
• 확률 예측 지원: 예측 구간 생성을 지원합니다.
• AI 지원 워크플로우: LLM이 정확한 코드를 생성할 수 있도록 기계가 읽을 수 있는 컨텍스트 파일을 제공하며, 선택적으로 AI 예측 보조 도구(skforecast-ai)도 제공합니다.