sktime/sktime

해결하는 문제

sktime는 다양한 시계열 분석 작업을 위한 통합 인터페이스를 제공하도록 설계된 Python 라이브러리입니다. 일관된 API를 통해 여러 라이브러리(scikit-learn, statsmodels, fbprophet 등)의 다양한 알고리즘과 도구를 적용할 수 있게 함으로써 시계열 생태계의 파편화 문제를 해결합니다.

작동 방식

자체적인 전용 시계열 알고리즘과 다른 인기 있는 머신러닝 라이브러리에 대한 인터페이스를 모두 제공하는 프레임워크로 작동합니다. 다음과 같은 광범위한 학습 작업을 지원합니다:

• Forecasting: 시계열의 미래 값을 예측합니다.
• Classification: 시계열 데이터를 분류합니다.
• Regression: 시계열 데이터에서 연속적인 값을 예측합니다.
• Clustering: 유사한 시계열을 그룹화합니다.
• Detection: 이상치 또는 변화 지점을 식별합니다.
• Transformations: 시계열에 데이터 변환을 적용합니다.

사용자는 파이프라이닝, 앙상블, 튜닝 및 리덕션을 위한 도구를 사용하여 복합 모델을 구축할 수 있으며, 이를 통해 한 가지 작업(예: scikit-learn 회귀기)을 위해 설계된 알고리즘을 다른 작업(예: 예측 작업)을 해결하는 데 사용할 수 있습니다.

대상 사용자

시계열 데이터를 다루며 다양한 알고리즘과 라이브러리에 걸쳐 모델을 구축, 튜닝 및 검증하기 위한 표준화된 방법이 필요한 데이터 과학자 및 머신러닝 엔지니어.

주요 특징

• Unified Interface: 예측, 분류, 회귀 및 이상 탐지를 위한 단일 API.
• Scikit-learn Compatible: 튜닝 및 검증을 위한 scikit-learn 도구와 호환되도록 구축되었습니다.
• Interoperable: statsmodels, tsfresh, PyOD, fbprophet와 같은 외부 라이브러리에 대한 인터페이스를 제공합니다.
• Extensible: 사용자가 프레임워크에 고유한 커스텀 알고리즘을 추가할 수 있도록 돕는 확장 템플릿을 포함합니다.