gluonts: 一个基于 PyTorch 的概率时间序列建模库

它解决了什么问题

GluonTS 为概率时间序列建模提供了一个框架。它解决了如何进行预测的问题，使其不仅仅是单点估计，而是概率分布，从而允许用户了解其预测的不刺确定性和预测区间。

它是如何工作的

该库基于 PyTorch 构建，专注于基于深度学习的模型（例如 DeepAR）来分析时间序列数据。它允许用户通过 Pandas 加载数据，将其拆分为训练集和测试集，并训练估计器以生成可以可视化为阴影预测区间的概率预测。

它是面向谁的

需要在 Python 中进行神经时间序列预测和概率建模的数据科学家和研究人员。

亮点

• 概率预测：将预测生成为概率分布，而不是单个值。
• 深度学习集成：专门为基于 PyTorch 的深度学习模型设计。
• Pandas 集成：使用 PandasDataset 简化数据加载和准备工作。
• 学术基础：由 JMLR 和 arXiv 上的多篇科学出版物支持。