sktime/pytorch-forecasting

해결하는 문제

PyTorch Forecasting는 시계열 예측을 위한 최신 딥러닝 아키텍처의 구현을 간소화합니다. 복잡한 연구 모델과 실제 운영 환경 사이의 격차를 메우기 위해, 시계열 데이터의 데이터 준비, 학습, 평가와 같은 번거로운 측면을 처리하는 고수준 API를 제공합니다.

작동 방식

PyTorch Lightning 기반으로 구축된 이 라이브러리는 예측을 위한 구조화된 워크플로우를 제공합니다.

• 데이터 처리: 특화된 TimeSeriesDataSet 클래스는 변수 변환, 결측값 처리, 무작위 서브샘플링, 다양한 과거 길이를 관리합니다.
• 모델 아키텍처: 시계열 예측에 최적화된 고급 신경망(예: Temporal Fusion Transformers, N-BEATS, PatchTST)을 구현하며, 내장된 해석 기능을 포함합니다.
• 학습 및 확장: PyTorch Lightning을 활용해 CPU 및 단일 또는 다중 GPU에서 자동으로 학습을 확장하고, TensorBoard를 통한 통합 로깅을 제공합니다.
• 최적화: Optuna와 통합되어 하이퍼파라미터 튜닝을 지원하며, 다중 예측 수준 시계열 메트릭을 포함하여 성능을 평가합니다.

대상 사용자

이 프로젝트는 배포에 최대한의 유연성을 필요로 하는 전문가와 신경망 기반 예측을 시작하기 위해 합리적인 기본값이 필요한 초보자를 대상으로 합니다.

주요 특징

• 다양한 모델 풀: Temporal Fusion Transformers (TFT), N-BEATS, N-HiTS, DeepAR, PatchTST 등 고성능 모델을 포함합니다.
• 통합된 데이터 파이프라인: pandas DataFrames를 모델 사용 가능한 시계열 데이터셋으로 쉽게 변환할 수 있습니다.
• 하드웨어 독립성: PyTorch Lightning을 통해 CPU 및 GPU 학습을 기본 지원합니다.
• 해석 가능성: 예측을 해석할 수 있는 내장 기능을 갖춘 모델을 제공합니다.