LongxingTan/Time-series-prediction

解决的问题

TFTS（TensorFlow Time Series）为预测、分类和异常检测等时间序列任务提供了一个统一且易于使用的接口。它简化了将经典和最先进的深度学习模型应用于时间序列数据的过程，减少了在 TensorFlow 或 Keras 中设置训练和评估流水线所需的样板代码。

工作原理

该库使用 AutoModel 和 AutoConfig 系统，允许用户快速在不同模型架构之间切换。它支持多种架构，包括 RNN、Transformers、Informer、Autoformer 和 N-beats。用户可以以多种格式提供数据（NumPy 数组、tf.data.Dataset 或 tf.keras.utils.Sequence），并使用 KerasTrainer 处理训练循环和结果可视化。

适用人群

本工具专为研究人员、行业专业人士以及需要使用 TensorFlow 生态系统快速实现和训练时间序列模型的竞赛参与者设计。

主要亮点

• 广泛的模型支持：包含 Informer、Autoformer、TCN、BERT 和 Temporal Fusion Transformer (TFT) 等前沿模型。
• 灵活的数据输入：支持多种数据格式，包括 NumPy 数组和 TensorFlow 数据集。
• 高度可定制：允许用户通过结合 TFTS 的骨干网络与自定义嵌入层或特定任务的头部层，构建自定义模型。
• 经验证的性能：已在 KDD Cup 2022 和 Tianchi-ENSO 预测竞赛的获奖作品中实际应用。