pytorch-forecasting: 一个用于可解释多步长序列预测的高级深度学习框架

它解决了什么问题

PyTorch Forecasting 为使用最先进的深度学习架构进行时间序列预测提供了高级 API。它简化了处理复杂时间序列数据、训练神经网络以及将其部署到实际预测任务中的过程。

工作原理

该软件包基于 PyTorch Lightning 构建，抽象了在 CPU 或 GPU 上训练的复杂性。它使用专门的 TimeSeriesDataSet 类来处理变量转换、缺失值和多种历史长度。用户可以从几种预实现的神经网络架构中进行选择，例如 Temporal Fusion Transformers (TFT)、N-BEATS、N-HiTS 和 DeepAR，并使用多步长指标和通过 Optuna 进行的超参数调优来优化它们。

适用人群

它既为寻求时间序列预测最大灵活性的专业人士设计，也为需要合理的默认设置以快速入门的初学者设计。

亮点

• 最先进的模型：包括 Temporal Fusion Transformers、N-BEATS、N-HiTS 和 DeepAR 的实现。
• 数据抽象：一个专门的数据集类，用于管理时间序列元数据和转换。
• 可扩展的训练：利用 PyTorch Lightning 进行自动日志记录并在硬件之间实现无缝扩展。
• 可解释性：包括具有内置解释能力的模型以及用于实际值与预测值的通用可视化工具。