sktime/sktime

해결하는 문제

sktime는 다양한 시계열 분석 작업에 대해 통합된 인터페이스를 제공하기 위해 설계된 Python 라이브러리입니다. 예측, 분류, 클러스터링을 위한 다양한 알고리즘과 라이브러리들이 API에서 일관성 없어, 서로 다른 기법 간에 모델을 구축하고 튜닝하며 검증하는 것이 어려운 분산된 생태계 문제를 해결합니다.

작동 방식

예측, 분류, 회귀, 클러스터링, 이상 탐지 및 변화점 탐지와 같은 다양한 시계열 학습 작업에 대해 표준화된 API를 제공합니다. 자체적인 전용 시계열 알고리즘을 포함하며, scikit-learn, statsmodels, fbprophet 등의 다른 인기 있는 라이브러리에도 인터페이스를 제공합니다. 또한 파이프라인, 앙상블, 리덕션 기법을 통해 복합 모델을 구축할 수 있도록 지원하며, 한 작업에 특화된 알고리즘을 다른 작업에 적용할 수 있습니다.

대상 사용자

시계열 데이터를 다루며 일관된 프레임워크를 통해 시계열 모델을 구축하고 평가해야 하는 데이터 과학자 및 머신러닝 엔지니어.

주요 특징

• 통합 인터페이스: 예측, 분류, 회귀, 클러스터링을 위한 단일 API.
• 상호 운용성: scikit-learn과 호환되며, statsmodels 및 tsfresh 등의 다른 라이브러리에도 인터페이스 제공.
• 복합 모델 구축: 파이프라인, 튜닝, 앙상블을 위한 도구 제공.
• 확장성: 사용자가 자신의 알고리즘을 API와 호환되도록 추가할 수 있는 확장 템플릿 제공.