neuralforecast: 一个用户友好的最先进神经网络时间序列预测模型集合

它解决了什么问题

NeuralForecast 解决了实现最先进神经网络预测模型难的问题。许多现有的实现难以使用、计算成本高，并且往往无法超越传统的统计方法。该库提供了一个用户友好、高效且鲁棒的神经网络集合，专门为时间序列预测而设计。

它是如何工作的

它为广泛的神经网络预测架构提供了一个统一的接口（使用类似于 scikit-learn 的熟悉的 .fit 和 .predict 语法）。这些架构涵盖了从经典的 RNNs（如 LSTM 和 GRU）和 CNNs (TCN) 到现代基于 Transformer 的模型（如 PatchTST 和 iTransformer），以及专门的架构如 N-BEATS 和 NHITS。 该库还支持外生变量、静态协变量，以及通过分位数损失和参数分布实现的概率预测。

适合人群

需要使用深度学习模型进行高精度时间序列预测，而无需从头开始构建这些复杂架构的数据科学家和机器学习工程师。

亮点

• 丰富的模型库：包括超过 30 种最先进的模型，包括 NHITS 和 NBEATSx 的官方实现。
• 易用性：使用 scikit-learn 风格的 API，便于集成到现有工作流中。
• 高级预测：支持概率预测和包含外生回归量。
• 优化：与 Ray 和 Optuna 集成，用于分布式自动超参数调优。
• 迁移学习：能够使用迁移学习技术在历史数据极少的情况下进行预测。