sktime/skpro

해결하는 문제

skpro는 Python에서 감독형 확률 예측을 위한 라이브러리입니다. 단일 점 추정(예: 평균)을 제공하는 모델이 아니라, 가능한 결과의 범위, 구간, 분위수 또는 전체 확률 분포를 제공하는 모델의 필요성을 해결합니다. 이는 표 형식 데이터 및 생존 분석에서 위험 평가와 불확실성 정량화에 특히 유용합니다.

작동 방식

이 라이브러리는 여러 핵심 구성 요소에 대해 scikit-learn과 유사한 인터페이스를 제공합니다:

• 확률적 회귀기: 표 형식 데이터에 대한 구간, 분위수, 확률 분포 예측을 생성하는 도구.
• 생존 예측: 개별 인스턴스의 생존 분포를 제공하는 시간-사건 예측을 위한 도구.
• 환원 기법: 부트스트랩 또는 동형 예측 기법을 사용해 표준 scikit-learn 회귀기를 확률적 모델로 변환하는 메커니즘.
• 평가 지표: 핀볼 손실, 경험적 커버리지, 연속 랭크 확률 점수(CRPS)와 같은 전용 지표를 통해 확률 예측의 품질을 평가.
• 확률 분포: pandas와 유사한 인터페이스를 갖춘 기호적 확률 분포.

누구를 위한가

예측의 불확실성을 점 추정에 의존하지 않고 정량화하고 싶은 데이터 과학자 및 머신러닝 실무자, 그리고 생존 분석(시간-사건 예측)에 종사하는 사람들.

주요 특징

• scikit-learn 호환성: scikit-learn 및 sktime와 완전히 호환되어 기존 ML 파이프라인에 쉽게 통합 가능.
• 복합 모델: 확률적 성능 지표를 통한 튜닝이 가능한 파이프라인 및 복합 모델 구축 지원.
• 상호 운용성: MAPIE, ngboost, cyclic-boosting와 같은 인기 있는 패키지와 인터페이스를 공유.
• 포괄적인 지표: 확률 예측 평가를 위한 전용 도구 세트 포함.