tsai: 一个用于时间序列和序列数据的深度学习库，包含丰富的 SOTA 模型

它解决了什么问题

tsai 是一个旨在简化时间序列和序列数据领域最先进技术实现的深度学习库。它为分类、回归、预测和填补等任务提供了一个统一的框架，降低了构建和训练这些模型的复杂性。

它是如何工作的

tsai 基于 PyTorch 和 fastai 构建，为训练和推理提供了一个高级 API。它支持多种模型架构，包括 LSTMs、GRUs、Transformers（如 PatchTST 和 TST）以及专门的时间序列模型，如 InceptionTime 和 MiniRocket。该库通过 SlidingWindow 和 TSStandardize 等工具处理数据准备，并要求时间序列模型输入的数据格式为 3D 数组（[samples x variables x sequence length]）。

适合谁使用

需要将深度学习应用于时间序列数据以进行预测或分类任务的数据科学家、ML 工程师和研究人员。

亮点

• 丰富的模型库 (Model Zoo)：包含从传统 RNNs 到现代 Transformers 和 CNNs 的广泛 SOTA 模型。
• 全面的数据集访问：内置支持下载超过 200 个用于分类、回归和预测的单变量和多变量数据集。
• 灵活的预测：支持针对单变量和多变量输入/输出的单步和多步提前预测。
• 集成的流水线 (Pipeline)：提供 sklearn 类型的流水线转换和向前走动交叉验证 (walk-forward cross-validation)，以提高模型的准确性和评估效果。